排序算法:Python 实现

import sys print (sys.version) # 3.5.2 |Continuum Analytics, Inc.| (default, Jul 5 2016, 11:41:13) [MSC v.1900 64 bit (AMD64)]

1、交换排序—冒泡排序

通过两两交换,小的先冒出来,大的后冒出来。O(N2),稳定,排序过程如下:

代码如下:

def bubble_sort(num): n = len(num) for i in range(n): for j in range(i, n): if num[i] > num[j]: num[i], num[j] = num[j], num[i] return num

算法的稳定性定义为:对于待排序列中相同元素的原来次序不被排序算法改变,则称该算法稳定。

2、交换排序—快速排序(Quick sort)

1). 首先选择一个基准元素,通常选择第一个元素或者最后一个元素。

2). 通过一轮排序,将待排序的数组分割成独立的两部分,其中一部分数组的元素值均比基准元素值小,另一部分数组的元素值比基准值大。

3). 然后分别对这两部分数组用同样的方法继续进行排序,直到整个数组有序。

O(NlogN),不稳定,排序过程如下:

代码如下:

def quick_sort(num):    
 if len(num) <= 1:        
 return num    
 larger = []     
smaller = []     
p = num.pop(random.randint(0, len(num)-1))  
 # 这里我们随机选择基准元素     
for i in num:        
 if i <= p:            
 smaller.append(i)        
 else:            
 larger.append(i)      
return quick_sort(smaller) + [p] + quick_sort(larger)

3、选择排序—直接选择排序

在要排序的一组数中,选出最小(或者最大)的一个数与第1个位置的数交换;然后在剩下的数当中再找最小(或者最大)的与第2个位置的数交换,依次类推。O(N2),不稳定。

代码如下:

def selection_sort(num):     
n = len(num)     
for i in range(n):        
 min = i         
for j in range(i, n):            
 if num[min] > num[j]:                
 min = j        
 num[min], num[i] = num[i], num[min]     
 return num

4、选择排序—堆排序

完全二叉树:叶节点只能出现在最下层和次下层,并且最下面一层的结点都集中在该层最左边的若干位置的二叉树。

满二叉树:除最后一层无任何子节点外,每一层上的所有结点都有两个子结点。

堆 是一种完全二叉树,堆排序是一种树形选择排序,利用了大顶堆堆顶元素最大的特点,不断取出最大元素,并调整使剩下的元素使之还是大顶堆,依次取出最大元素就实现了排序。O(NlogN),不稳定。 举例如下:

待排序列: [16, 7, 3, 20, 17, 8]

首先根据该序列构建一个完全二叉树,得到:

然后需要构造初始堆,从最后一个非叶节点开始调整(从右往左,从下至上),调整过程如下,得到初始堆:

得到初始堆后,将堆顶元素与最后一个元素交换,得到:

此时3位于堆顶,不满足大顶堆的性质,需调整如下(忽略最后一个元素):

然后继续将堆顶元素与倒数第二个元素交换,如此进行下去,最终得到:

代码如下:

def MAX_Heapify(heap,HeapSize,root):   #在堆中做调整使得父节点的值大于子节点     
left = 2*root + 1   # 左子节点     
right = left + 1    # 右子节点    
 larger = root    
 if left < HeapSize and heap[larger] < heap[left]:        
 larger = left    
 if right < HeapSize and heap[larger] < heap[right]:         
larger = right    
 if larger != root:  #如果做了堆调整则larger的值等于左节点或者右节点,则对调值         heap[larger], heap[root] = heap[root], heap[larger]        
 MAX_Heapify(heap, HeapSize, larger)

 def Build_MAX_Heap(heap):   # 构造一个堆,然后调整成最大堆    
 HeapSize = len(heap)    
 for i in range((HeapSize-2)//2,-1,-1):   # 从最后一个非叶节点往前开始调整         MAX_Heapify(heap,HeapSize,i)

 def HeapSort(heap):    
 Build_MAX_Heap(heap)   # 得到初始(大顶)堆    
 #print(heap)    
 for i in range(len(heap)-1,-1,-1):         
heap[0], heap[i] = heap[i], heap[0]    # 堆顶元素与最后一个元素交换         
MAX_Heapify(heap, i, 0)     
return heap
 if __name__ == '__main__':    
 a = [16, 7, 3, 20, 17, 8]     
print (a)    
 print (HeapSort(a))

5、插入排序—直接插入排序

每次将一个待排序的元素与已排序好的元素进行逐一比较,直到找到合适的位置按大小插入。O(N2),稳定。排序过程如下:

代码如下:

def insertion_sort(num):     
for i in range(1,len(num)):         
j = i        
 tmp = num[i]         
while j > 0 and tmp < num[j-1]:            
 num[j] = num[j-1]            
 j -= 1       
  num[j] = tmp     
 return num
 print (insertion_sort(num))

6、插入排序—希尔排序

先将整个待排元素序列分割成若干个子序列(由相隔某个“增量”的元素组成的)分别进行直接插入排序,然后依次缩减增量再进行排序,待整个序列中的元素基本有序(增量足够小)时,再对全体元素进行一次直接插入排序。O(N1.3),不稳定。

排序过程如下(下面希尔排序的步长选择都是从n/2开始,每次再减半,直到最后为1):

代码如下:

def shell_sort(lists):     
count = len(lists)    
 step = 2    
 group = count // step     
while group > 0:         
for i in range(0, group):            
 j = i + group             
while j < count:                
 k = j - group                
 key = lists[j]                 
while k >= 0:                     
if lists[k] > key:                       
  lists[k+group] = lists[k]                        
 lists[k] = key                    
 k -= group                
 j += group         
group //= step    
 return lists  print(shell_sort([49,38,65,97,26,13,27,49,55,4]))

7、归并排序

归并排序是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。简单来讲,就是将待排序列不停的分为左边和右边两份,然后以此递归分下去。然后再将她们按照两个有序数组的样子合并起来。O(NlogN),稳定。

举例如下(引自博文):

代码如下:

def merge(left,right):   
  i, j = 0, 0     
  result = []     
  while i < len(left) and j < len(right):        
   if left[i] <= right[j]:             
   result.append(left[i])             i += 1         else:        
        result.append(right[j])             j += 1      
        result += left[i:]     
        result += right[j:]     
        return result   def MergeSort(list):     
        if len(list) <= 1:         
        return list     mid = len(list)//2     
        left = MergeSort(list[:mid])     
        right = MergeSort(list[mid:])     
        return merge(left, right)   
        if __name__ == '__main__':     
        a = [16, 7, 3, 20, 17, 8]     print (a)     print (MergeSort(a))

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-09-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏java一日一条

八大排序算法的Python实现

本文主要介绍了常见的8大排序算法基本概念以及其Python实现方式,如果你是Java程序员,也可以看看之前我们介绍的Java程序员必须掌握的8大排序算法。

422
来自专栏爱撒谎的男孩

堆排序

853
来自专栏计算机视觉与深度学习基础

Leetcode 169 Majority Element

Given an array of size n, find the majority element. The majority element is th...

1679
来自专栏书山有路勤为径

逆序数(二叉查找树)

已知数组nums,求新数组count,count[i]代表了在nums[i]右侧且比nums[i]小的元素个数。 例如: nums = [5,2,6,1],...

513
来自专栏用户画像

7.5.1 归并排序

归并的含义是将两个或两个以上的有序表组合成一个新的有序表。 假定待排序表中含有N个记录,则可以看成是N个有序的子表,每个子...

624
来自专栏WD学习记录

LeetCode Median of Two Sorted Arrays

There are two sorted arrays nums1 and nums2 of size m and n respectively.

611
来自专栏郭耀华‘s Blog

剑指offer第三天

21.栈的压入、弹出序列 输入两个整数序列,第一个序列表示栈的压入顺序,请判断第二个序列是否为该栈的弹出顺序。假设压入栈的所有数字均不相等。例如序列1,2,3,...

2706
来自专栏数据结构与算法

归并排序

将两个或两个以上有序的数列(或有序表),合并成一个仍然有序的数列(有序表),这种操作称为归并操作。这样的方法经常用于多个有序的数据文件归并成一个有序的数据文件。...

2646
来自专栏我是业余自学C/C++的

Remove Duplicates from Sorted Array

1002
来自专栏爱撒谎的男孩

插入排序算法

1795

扫描关注云+社区