
一文讀懂如何用Python實現(xiàn)6種排序算法
總結(jié)了一下常見集中排序的算法
歸并排序也稱合并排序,是分治法的典型應用。分治思想是將每個問題分解成個個小問題,將每個小問題解決,然后合并。
具體的歸并排序就是,將一組無序數(shù)按n/2遞歸分解成只有一個元素的子項,一個元素就是已經(jīng)排好序的了。然后將這些有序的子元素進行合并。
合并的過程就是 對 兩個已經(jīng)排好序的子序列,先選取兩個子序列中最小的元素進行比較,選取兩個元素中最小的那個子序列并將其從子序列中
去掉添加到最終的結(jié)果集中,直到兩個子序列歸并完成。
代碼如下:
穩(wěn)定,時間復雜度 O(nlog n)
代碼如下:
穩(wěn)定,時間復雜度 O(n^2)
交換兩個元素的值python中你可以這么寫:a, b = b, a,其實這是因為賦值符號的左右兩邊都是元組
(這里需要強調(diào)的是,在python中,元組其實是由逗號“,”來界定的,而不是括號)。
選擇排序(Selection sort)是一種簡單直觀的排序算法。它的工作原理如下。首先在未排序序列中找到最?。ù螅┰兀娣诺?
排序序列的起始位置,然后,再從剩余未排序元素中繼續(xù)尋找最小(大)元素,然后放到已排序序列的末尾。以此類推,直到所
有元素均排序完畢。
不穩(wěn)定,時間復雜度 O(n^2)
希爾排序,也稱遞減增量排序算法,希爾排序是非穩(wěn)定排序算法。該方法又稱縮小增量排序,因DL.Shell于1959年提出而得名。
先取一個小于n的整數(shù)d1作為第一個增量,把文件的全部記錄分成d1個組。所有距離為d1的倍數(shù)的記錄放在同一個組中。先在各組內(nèi)進行排序;
然后,取第二個增量d2
不穩(wěn)定,時間復雜度 平均時間 O(nlogn) 最差時間O(n^s)1
"堆”的定義:在起始索引為 0 的“堆”中:
節(jié)點 i 的右子節(jié)點在位置 2 * i + 24) 節(jié)點 i 的父節(jié)點在位置 floor( (i - 1) / 2 ) : 注 floor 表示“取整”操作
堆的特性:
每個節(jié)點的鍵值一定總是大于(或小于)它的父節(jié)點
“最大堆”:
“堆”的根節(jié)點保存的是鍵值最大的節(jié)點。即“堆”中每個節(jié)點的鍵值都總是大于它的子節(jié)點。
上移,下移 :
當某節(jié)點的鍵值大于它的父節(jié)點時,這時我們就要進行“上移”操作,即我們把該節(jié)點移動到它的父節(jié)點的位置,而讓它的父節(jié)點到它的位置上,然后我們繼續(xù)判斷該節(jié)點,直到該節(jié)點不再大于它的父節(jié)點為止才停止“上移”。
現(xiàn)在我們再來了解一下“下移”操作。當我們把某節(jié)點的鍵值改小了之后,我們就要對其進行“下移”操作。
方法:
我們首先建立一個最大堆(時間復雜度O(n)),然后每次我們只需要把根節(jié)點與最后一個位置的節(jié)點交換,然后把最后一個位置排除之外,然后把交換后根節(jié)點的堆進行調(diào)整(時間復雜度 O(lgn) ),即對根節(jié)點進行“下移”操作即可。 堆排序的總的時間復雜度為O(nlgn).
代碼如下:
不穩(wěn)定,時間復雜度 O(nlog n)
快速排序算法和合并排序算法一樣,也是基于分治模式。對子數(shù)組A
快速排序的分治過程的三個步驟為:
分解:把數(shù)組A
分為A與A[q+1...r]兩部分,其中A中的每個元素都小于等于A[q]而A[q+1...r]中的每個元素都大于等于A[q];
解決:通過遞歸調(diào)用快速排序,對子數(shù)組A
和A[q+1...r]進行排序;
合并:因為兩個子數(shù)組是就地排序的,所以不需要額外的操作。
對于劃分partition 每一輪迭代的開始,x=A[r], 對于任何數(shù)組下標k,有:
1) 如果p≤k≤i,則A[k]≤x。
2) 如果i+1≤k≤j-1,則A[k]>x。
3) 如果k=r,則A[k]=x。
代碼如下:
不穩(wěn)定,時間復雜度 最理想 O(nlogn)最差時間O(n^2)
說下python中的序列:
列表、元組和字符串都是序列,但是序列是什么,它們?yōu)槭裁慈绱颂貏e呢?序列的兩個主要特點是索引操作符和切片操作符。索引操作符讓我們可以從序列中抓取一個特定項目。切片操作符讓我們能夠獲取序列的一個切片,即一部分序列,如:a = ['aa','bb','cc'], print a[0] 為索引操作,print a[0:2]為切片操作。CDA數(shù)據(jù)分析師培訓
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11