• 基于python常用排序与查找 Marathon


    """
    排序与查找
        -- 冒泡排序
        -- 选择排序
        -- 快速排序 --****经典
        -- 希尔排序
    """
    # 常用排序的实现
    
    # 冒泡排序-每轮排出最大 时间复杂度O(n**2)
    def bubble(list_):
        if list_: # 非空列表排序
            # 外层表示比较轮数
            for i in range(len(list_)-1):
                # 表示每轮两两比较的次数
                for j in range(len(list_)-1-i):
                    if list_[j] > list_[j+1]:
                        list_[j],list_[j+1] = list_[j+1],list_[j]
        else: # 空列表报异常
            raise ValueError
    
    # 选择排序
    def select_sort(list_):
        # 外侧循环n-1轮
        for i in range(len(list_)-1):
            # 假设list_[i]最小
            min = i
            for j in range(i+1,len(list_)):
                if list_[min] > list_[j]:
                    # 擂主换人
                    min = j
            #进行交换,将最小值换到应该在的位置
            if min != i:
                list_[i],list_[min] = list_[min],list_[i]
    
    # 插入排序
    def insert_sort(list_):
        # 外侧循环n-1轮,每次比较的数,从第二个数开始
        for i in range(1,len(list_)):
            # 空出list_[i]的位置
            x = list_[i]
            j = i-1
            while j >= 0 and list_[j] > x:
                list_[j+1] = list_[j]
                j -= 1
            list_[j +1] = x
    
    # 完成一轮交换
    def sub_sort(list_,low,high):
        # 选定基准
        x = list_[low]
        # low 向后,high向前
        while low < high:
            # 后面的数前放
            while list_[high] >= x and high > low:
                high -= 1
            list_[low] = list_[high]
            # 前面数后放
            while list_[low] < x and low < high:
                low += 1
            list_[high] = list_[low]
        list_[low] = x
    
    
    # 快速排序(升序) # low,high = 0,len(list01)-1
    # low表示列表的第一个元素索引,high表示最后一个元素索引
    def quick_sort(list_,low,high):
        """
        1.取出0号元素,赋值,从列表尾部开始比较,
            只要比较出比该值小的,被比较的值放头部,
                赋值值放那个移动额位置
        2.因第一次比较,分出大于原0号元素和小于0号
            元素的两部分数,两部分数分别重复1,2
        3.直到比较完,结束
        :return:
        """
        if low < high:
            sub_sort(list_,low,high)
    
    #快排的主函数,传入参数为一个列表,左右两端的下标
    def QuickSort(list,low,high):
        if high > low:
            #传入参数,通过Partitions函数,获取k下标值
            k = Partitions(list,low,high)
            #递归排序列表k下标左侧的列表
            QuickSort(list,low,k-1)
            # 递归排序列表k下标右侧的列表
            QuickSort(list,k+1,high)
    
    def Partitions(list,low,high):
        left = low
        right = high
        #将最左侧的值赋值给参考值k
        k = list[low]
        #当left下标,小于right下标的情况下,此时判断二者移动是否相交,若未相交,则一直循环
        while left < right :
            #当left对应的值小于k参考值,就一直向右移动
            while list[left] <= k:
                left += 1
            # 当right对应的值大于k参考值,就一直向左移动
            while list[right] > k:
                right = right - 1
            #若移动完,二者仍未相遇则交换下标对应的值
            if left < right:
                list[left],list[right] = list[right],list[left]
        #若移动完,已经相遇,则交换right对应的值和参考值
        list[low] = list[right]
        list[right] = k
        #返回k值
        return right
    
    # 二分查找(有序数组)
    def binary_search(list_,key):
        low, high = 0,len(list_)-1
        # 判断条件
        while low < high:
            mid = (low+high) // 2
            if list_[mid] < key:
                low = mid + 1
            elif list_[mid] > key:
                high = mid -1
            else:
                return mid
    
    
    list02 = [1,2,3,4,5,6,7,8,9,10]
    print("key index:",binary_search(list02,8))
    
    # list_demo = [6,1,2,7,9,3,4,5,10,8]
    # print(list_demo)
    # QuickSort(list_demo,0,9)
    # print(list_demo)
    
    #----------------------------
    # if __name__ == "__main__":
    #     print("-"*30)
    #     list01 = [5,2,57,12,4,9,40,25,3]
    #     # bubble(list01)
    #     #print(list01)
    #     print(sub_sort(list01,0,8))
    #     print(list01)
  • 相关阅读:
    golang IO 流抽象与应用
    postman中 form-data、x-www-form-urlencoded、raw、binary的区别
    golang net/http 包
    MySQL高性能优化系列
    Win10系统中VirtualBox桥接时找不到网卡的问题
    Golang中下划线的使用
    pandas 基础操作 更新
    pandas 基础
    机器学习-树模型理论(GDBT,xgboost,lightBoost,随机森林)
    GBDT 详解分析 转+整理
  • 原文地址:https://www.cnblogs.com/davis12/p/13580726.html
Copyright © 2020-2023  润新知