python实现八大排序算法(1)

下面是关于“Python实现八大排序算法(1)”的完整攻略。

1. 八大排序算法

排序算法是计算科学中最基本的算法之一,也是Python开发者必须掌握的算法之一。Python中常见的排序算法包冒泡排序、选择排序、插入排序、快速排序、归并排序、堆排序、计数排序和桶排序。下面将逐一介绍这些算法的实现方法。

1.1 冒泡排序

冒泡排序算法是一种简单的排序算法,它的基本思想是从数据集合的第一个元素开始逐个比较,前一个元素大于后一个元素,则交换它们的位置。在Python中,我们可以使用冒泡排序算法来对任意数据类型的元素进行。

下面使用Python实现冒泡排序算法:

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]

在这个代码中,我们定义了bubble_sort()函数来实现冒泡排序算法。我们首先定义数组的长度n,然后使用两个嵌循环来遍历整个数组。在内层循中,我们比较相邻的两个元素,如果前一个元素大于后一个元素,则交换它们的位置。

下面是一个使用泡排序算法的示例:

arr = [64, 34, 25, 12, 22, 11, 90]
bubble_sort(arr)
print("Sorted array is:", arr)

输出:

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中,我们定义了一个包含7个元素的数组,并使用bubble_sort()函数对其进行排序。最终输出排序后的数组。

1.2 选择排序

选择排序法是一种简单的算法,它的基本思想是从数据集合中选择最小的元素,然后将其放在第一个位置,接着从剩余的元素中选择最小的元素,放在第二个位置,以此类推。在Python中,我们可以使用选择排序算法来对任意数据类型的元素进行排序。

下面使用Python实现选择排序算法:

def selection_sort(arr):
    n = len(arr)
    for i in range(n):
        min_idx = i
        for j in range(i+1, n):
            if arr[j] < arr[min_idx]:
                min_idx = j
        arr[i], arr[min_idx] = arr[min_idx], arr[i]

在这个代码中,我们定义了selection_sort()函数来实现选择排序算法。我们首先定义数组的长度n,然后使用两个嵌循环来遍历整个数组。在内层循环中,我们找到未排序部分中最小元素,并将其与未排序部分的第一个元素交换位置。

下面是一个使用选择排序算法的示例:

arr = [64, 34, 25, 12, 22, 11, 90]
selection_sort(arr)
print("Sorted array is:", arr)

输出:

Sorted array is: [11, 12, 22 25, 34, 64, 90]

在这个示例中,我们定义了一个包含7个元素的数组,并使用selection_sort()函数对其进行排序。最终输出排序后的数组。

1.3 插入排序

插入排序算法是一种简单的排序算法,它的基本思想是将未排序的元素逐个插入到已排序的部分中,直到所有元素都插到已排序的部分中。在Python中,我们可以使用插入排序算法来对任意数据类型的元素进行排序。

下面使用Python实现插入排序算法:

def insertion_sort(arr):
    n = len(arr)
    for i in range(1, n):
        = arr[i]
        j = i - 1
        while j >= 0 and key < arr[j]:
            arr[j+1] = arr[j]
            j -= 1
        arr[j+1] = key

在这个代码中,我们定义了insertion_sort()函数来实现插入排序算法。我们首先定义数组的长度n,然后使用两个嵌循环来遍历整个数组。在内层循环中,我们将未排序的元素逐个插入到已排序的部分中。

下面是一个使用插入排序算法的示例:

arr = [64, 34, 25, 12, 22, 11, 90]
insertion_sort(arr)
print("Sorted array is:", arr)

输出:

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中我们定义了一个包含7个元素的数组,并使用insertion_sort()函数对其进行排序。最终输出排序后的数组。

1.4 快速排序

快速排序算法是一种高效的排序算法,它的基本思想是选择一个基准元素,然后将数组成两部分,一部分小于基准元素,一部分大于基准元素。然后递归地对两部分进行排序。Python中,我们可以使用快速排序算法对任意数据类型的元素进行排序。

下面使用Python实现快速排序算法:

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

在这个代码中,我们定义了quick_sort()函数来实现快速排序算法。我们首先判断数组的长度是否小于等于1,如果是,则直接返回数组。否则,我们选择一个基准元素pivot,然后将数组分成三部分:小于基准元素的部分、等于基准元素的部分和大于基准元素的部分。然后递归地对小于和大于基准元素的部分进行排序,最后将三部分合并起来。

下面是一个使用快速排序算法的示例:

arr = [64, 34, 25, 12, 22,11, 90]
sorted_arr = quick_sort(arr)
print("Sorted array is:", sorted_arr)

输出:

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中,定义了一个包含7个元素的数组,并使用quick_sort()函数对其进行排序。最终输出排序后的数组。

1.5 归并排序

归并排序算法是一种高效的排序算法,它的基本思想是将数组分成两部分,递归地对两部分进行排序,然后将两部分合并起来。在Python中,我们可以使用归并排序法来对任意数据类型的元素进行排序。

下面使用Python实现归并排序算法:

def merge_sort(arr):
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    left = arr[:mid]
    right = arr[mid:]
    left = merge_sort(left)
    right = merge_sort(right)
    return merge(left, right)

def merge(left, right):
    result = []
    i = j = 0
    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

在这个代码中,我们定义了merge_sort()函数来实现归并排序算法。我们首先判断数组长度是否小于等于1,如果是,则直接返回数组。否则,我们选择一个基准元素pivot,然后将数组分成两部分:小于基准元素的部分、等于基准元素的部分和大于基准元素的部分。然后递归地对小于和大于基准元素的部分进行排序,最后将三部分合并来。

下面是一个使用归并排序算法的示例:

arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = merge_sort(arr)
print("Sorted array is:", sorted_arr)

输出:

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中,我们定义了一个包含7个元素的数组,并使用_sort()函数对其进行排序。最终输出排序后的数组。

1.6 堆排序

堆排序算法是一种高效的排序算法,它的基本思想是将数组看成一棵完全二叉树,然后将其转换成一个堆。在Python中,我们可以使用堆排序算法来对任意数据类型的元素进行排序。

下面使用Python实现堆排序算法:

def heapify(arr, n, i):
    largest = i
    l = 2 * i + 1
    r = 2 * i + 2
    if l < n and arr[i] < arr[l]:
        largest = l
    if r < n arr[largest] < arr[r]:
        largest = r
    if largest != i:
        arr[i], arr[largest] = arr[largest], arr[i]
        heapify(arr, n, largest)

def heap_sort(arr):
    n = len(arr)
    for i in range(n // 2 - 1, -1, -1):
        heapify(arr, n, i)
    for i in range(n-1, 0, -1):
        arr[i], arr[0] = arr[0], arr[i]
        heapify(arr, i, 0)

在这个代码中,我们定义了heapify()函数来实现堆排序算法。我们首先将数组转换成一个堆,然后将堆中的最大元素与堆的最后一个元素交换位置,然后重新构建堆。重复这个过程,直到堆中只剩下一个元素。

下面是一个使用堆排序算法的示例:

arr = [64, 34, 25, 12, 22, 11, 90]
heap_sort(arr)
print("Sorted array is:", arr)

输出:

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中,我们定义了一个包含7个元素的数组,并使用heap_sort()函数对其进行排序。最终输出排序后的数组。

17 计数排序

计数排序算法是一种简单的排序算法,它的基本思想是统计数组中每个元素出现次数,然后根据元素出现的次数将数组排序。在Python中,我们可以使用计数排序算法来对任意数据类型的元素进行排序。

下面使用Python实现计数排序算法:

 counting_sort(arr):
    n = len(arr)
    output = [0] * n
    count = [0] * 256
    for i in range(n):
        count[arr[i]] += 1
    for i in range(1, 256):
        count[i] += count[i-1]
    for i in range(n):
        output[count[arr[i]]-1] = arr[i]
        count[arr[i]] -= 1
    for i in range(n):
        arr[i] = output[i]

在这个代码中,我们定义了counting_sort()函数来实现计数排序算法。我们首先定义数组的长度n,然后使用两个嵌循环来遍历整个数组。在内层循环中,我们统计数组中每个元素出现的次数,然后根据元素出现的次数将数组排序。

下面是一个使用计数排序算法的示例:

arr = [64, 34, 25, 12, 22, 11, 90]
counting_sort(arr)
print("Sorted array is:", arr)

输出:

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中,我们定义了一个包含7个元素的数组,并使用counting_sort()函数对其进行排序。最终输出排序后的数组。

1.8 桶排序

桶排序算法是一种简单的排序算法,它的基本思想是将数组中的元素分到不同的桶中,然后对每个桶中的元素进行排序,最后将所有桶中的元素合并起来。在Python中,我们可以使用桶排序算法来对任意数据的元素进行排序。

下面使用Python实现桶排序算法:

def bucket_sort(arr):
    n = len(arr)
    max_val = max(arr)
    min_val = min(arr)
    bucket_size = (max_val - min_val) // n + 1
    bucket = [[] for _ in range(bucket_size)]
    for i in range(n):
        idx = (arr[i] - min_val) // bucket_size
        bucket[idx].append(arr[i])
    for i in range(bucket_size):
        bucket[i].sort()
    k = 0
    for i in range(bucket_size):
        for j in range(len(bucket[i])):
            arr[k] = bucket[i][j]
            k += 1

在这个代码中,我们定义了bucket_sort()函数来实现桶排序算法。我们首先定义数组的长度n,然后使用个嵌循环来遍历整个数组。在内层循环中,我们将数组中的元素分配到不同的桶中,然后对每个桶中的元素进行排序,最后将所有桶中的元素合并起来。

下面是一个使用桶排序算法的示例:

arr = [64, 34, 25, 12, 22, 11, 90]
bucket_sort(arr)
print("Sorted array is:", arr)

输出:

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中,我们定义了一个包含7个元素的数组,并使用bucket_sort()函数对其进行排序。最终输出排序后的数组。

2. 总结

Python实现八大排序算法包括冒泡、选择排序、插入排序、快速排序、归并排序、堆排序、计数排序和桶排序。这些算法都是计算机科学最基本的算法之一,也是Python开发者必须掌握的算法之一。在实际应用中,我们根据具体问题选择适当算法来进行发和实现。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:python实现八大排序算法(1) - Python技术站

(0)
上一篇 2023年5月13日
下一篇 2023年5月13日

相关文章

  • Python数据类型之列表和元组的方法实例详解

    Python数据类型之列表和元组的方法实例详解 在Python中,列表和元组是两种常用的数据类型。本攻略将详细介绍列表和元组的方法,包括如何创建列表和元组、如何访问列表和元组中的元素、如何修改列表和元组、如何添加和删除列表和元组中的元素等。 列表 创建列表 在Python中,列表可以通过方括号[]来创建。以下是一个示例代码,演示如何创建一个列表: # 创建一…

    python 2023年5月13日
    00
  • Python中利用Scipy包的SIFT方法进行图片识别的实例教程

    Python中利用Scipy包的SIFT方法进行图片识别是一项比较具有参考意义的技术。下面,我将会详细介绍如何进行这项操作,包括步骤、代码示例以及注意事项等。 步骤 Python中利用Scipy包的SIFT方法进行图片识别的主要步骤如下: 导入必要的包和模块,包括cv2、scipy等; 读取原始图像; 对图像进行预处理,包括去噪、灰度化、裁剪等操作; 使用S…

    python 2023年5月18日
    00
  • Python实现Canny及Hough算法代码实例解析

    下面是详细讲解“Python实现Canny及Hough算法代码实例解析”的完整攻略。 Canny算法 Canny算法是一种经典的边缘检测算法,基本思想是通过多次滤波和非极大值抑制来测图像中的边缘,并通过双阈值处理来提取边缘。下面是一个Python实现Canny算法的示例: import cv2 import numpy as np def canny(ima…

    python 2023年5月14日
    00
  • opencv-python基本图像处理详解

    OpenCV-Python基本图像处理详解 OpenCV是一种广泛使用的开源计算机视觉和机器学习软件库。它可以用于各种任务,如图像和视频处理,人脸检测,物体识别,光流估计等。OpenCV-Python是OpenCV库的Python接口,它提供了许多方便的实用工具,可以轻松编写计算机视觉应用程序。在这个攻略中,我们将介绍OpenCV-Python的基本图像处理…

    python 2023年5月18日
    00
  • Python中requests.session()的用法小结

    以下是关于Python中requests.session()的用法小结的攻略: Python中requests.session()的用法小结 requests.session()是requests库中的一个类,用于创建一个会话对象,可以在多个请求之间保持cookie和其他信息。以下是Python中requests.session()的用法小结的攻略: 创建会…

    python 2023年5月14日
    00
  • Python 解决相对路径问题:”No such file or directory”

    Python解决相对路径问题:”No such file or directory”的完整攻略 在Python中,使用相对路径打开文件是非常常见的操作。但是,在使用相对路径打开文件时,有时会出现”No such file or directory”的错误。本文将详细讲解Python解决相对路径问题:”No such file or directory”的完整…

    python 2023年5月13日
    00
  • python3获取当前目录的实现方法

    要获取当前目录路径,可以使用Python内置的os模块。下面是获取当前目录的实现方法的完整攻略: 使用os模块获取当前目录 import os cwd = os.getcwd() print(cwd) 上述代码使用了os模块的getcwd()函数获取当前目录,并且将结果赋值给cwd变量,然后使用print()函数输出cwd变量的值。这样就可以获取当前目录的路…

    python 2023年6月3日
    00
  • 【pandas基础】–数据检索

    pandas的数据检索功能是其最基础也是最重要的功能之一。 pandas中最常用的几种数据过滤方式如下: 行列过滤:选取指定的行或者列 条件过滤:对列的数据设置过滤条件 函数过滤:通过函数设置更加复杂的过滤条件 本篇所有示例所使用的测试数据如下: import pandas as pd import numpy as np fp = “http://data…

    python 2023年5月10日
    00
合作推广
合作推广
分享本页
返回顶部