排序算法之NB三人组

简介: 快速排序思路:例如:一个列表[5,7,4,6,3,1,2,9,8],1.首先取第一个元素5,以某种方式使元素5归位,此时列表被分为两个部分,左边的部分都比5小,右边的部分都比5大,这时列表变成了[2,1,4,3,5,6,7,9,8]2.

快速排序

思路:

例如:一个列表[5,7,4,6,3,1,2,9,8],

1.首先取第一个元素5,以某种方式使元素5归位,此时列表被分为两个部分,左边的部分都比5小,右边的部分都比5大,这时列表变成了[2,1,4,3,5,6,7,9,8]
2.再对5左边进行递归排序,取5左边部分的第一个元素2,使2归位,这时5左边的部分变成了[1,2,4,3]
3.2归位后再对2右边5左边的部分即[4,3]进行排序,然后整个列表中5左边的部分就完成了排序
4.再使用递归方法对5右边的部分进行递归排序,直到把列表变成有序列表

列表就变成有序列表了.

代码实现:

def _quick_sort(data,left,right):
    if left < right:
        mid=partition(data,left,right)
        _quick_sort(data,left,mid-1)
        _quick_sort(data,mid+1,right)

def partition(li,left,right):
    print("befor sort:",li)
    tmp=li[left]

    while left <right:
        while left <right and tmp < li[right]:
            right -=1
        li[left]=li[right]

        while left <right and li[left] < tmp:
            left += 1
        li[right]=li[left]

    li[left]=tmp
    print("after sort:",li)

    return left

def quick_sort(li):
    _quick_sort(li,0,len(li)-1)

li=[5,7,4,6,3,1,2,9,8]
print(quick_sort(li))

打印结果:

befor sort: [5, 7, 4, 6, 3, 1, 2, 9, 8]
after sort: [2, 1, 4, 3, 5, 6, 7, 9, 8]
after sort: [1, 2, 4, 3, 5, 6, 7, 9, 8]
after sort: [1, 2, 3, 4, 5, 6, 7, 9, 8]
after sort: [1, 2, 3, 4, 5, 6, 7, 9, 8]
befor sort: [1, 2, 3, 4, 5, 6, 7, 9, 8]
befor sort: [1, 2, 3, 4, 5, 6, 7, 9, 8]
after sort: [1, 2, 3, 4, 5, 6, 7, 8, 9]

快排的最坏情况:

如果一个列表完全是倒序的,递归的次数为最大,等于len(li)*log(len(li))
此时可以随机取列表中的一个元素进行排序.

堆排序

树与二叉树

树是一种数据结构,比如linux的目录是呈倒树状结构
树是一种可以递归定义的数据结构
树是由n个节点组成的集合
    如果n=0,那这是一棵空树
    如果n>0,那存在1个节点作为树的根节点,其他节点可以分为m个集合,每个集合本身又是一棵树

img_5f54279f33822f038f4e78bb0d26edb4.jpe

关于树的一些概念

根节点                     例如 A节点
叶子节点                    例如 B,C,H,I,P,Q等不再分叉的节点
树的深度(高度)                例如 上图中的树共有4层,所以这棵树的深度为4
子节点/父节点             例如 A,D,E,J等为父节点,B,C,H,I,P为子节点
子树

二叉树:度不超过2的树(节点最多有两个叉)

img_b08a6ffa68a065f6c761b28058a54d0c.jpe

两种特殊的二叉村
    满二叉树:除了叶子节点,所有节点都有两个子节点,且所有叶子节点的深度都相同
    完全二叉树:从满二叉树的后边拿走几个节点,就变成了完全二叉树,中间不能缺少节点

img_c3a061503a1867db6d1c9c89916b642b.png

堆排序

大根堆:一棵完全二叉树,满足任一节点都比其子节点大

img_f54eeb9c9457aa695a2f32720c28f012.png

小根堆:一棵完全二叉树,满足任一节点都比其子节点小

img_871203e887654d9a9cf2ad5161d6d9c1.png

假设节点的左右子树都是堆,但自身不是堆,

当根节点的左右子树都是堆时,可以通过一次向下的调整来将其变换成一个堆

构造堆

首先有这样一棵二叉树,

img_9696b6a2432ca9ebaca70eb478aa441c.png

先调整最后一个小子树,把大的元素放到这个小子树的顶部,使小子树变成一个堆

img_1d4a6a683a55a122401dc6468be1809d.png

再对倒数第二个小子树进行调整,使这个小子树变成一个堆

img_9442f9a963c85ffd758d667c55fe9609.png

再对倒数第三个小子树进行调整,使这个小子树变成一个堆

img_6b359426f3d5df281a7d11741cd494c6.png

img_c5ccb41537767caae39a9ca47d1428f7.png

对这棵树中的每一个小子树都进行调整,最后这棵二叉树就变成了一个大根堆.

堆排序过程:

1.建立堆
2.得到堆顶元素,为最大元素
3.去掉堆顶,将堆最后一个元素放到堆顶,此时可通过一次调整重新使堆有序
4.这时堆顶元素为堆中的第二大元素
5.重复3步骤,直到堆变空

代码实现:

def sift(li,left,right):
    i=left
    j= 2 *i +1
    tmp=li[left]

    while j <=right:
        if j < right and li[j] < li[j+1]:
            j += 1

        if tmp < li[j]:
            li[i] = li[j]
            i  = j
            j = 2 * i + 1
        else:
            break
    li[i] = tmp

def heap_sort(li):
    n = len(li)

    for i in range(n//2-1 , -1 ,-1):
        sift(li,i,n-1)
        print(li)

    for j in range(n-1,-1,-1):
        li[0],li[j]=li[j],li[0]
        sift(li,0,j-1)
        print(li)

li=[2,9,7,8,5,0,1,6,4,3]

sift(li,0,len(li)-1)

heap_sort(li)
print(li)

输出打印为:

[9, 8, 7, 6, 5, 0, 1, 2, 4, 3]
[9, 8, 7, 6, 5, 0, 1, 2, 4, 3]
[9, 8, 7, 6, 5, 0, 1, 2, 4, 3]
[9, 8, 7, 6, 5, 0, 1, 2, 4, 3]
[9, 8, 7, 6, 5, 0, 1, 2, 4, 3]
[8, 6, 7, 4, 5, 0, 1, 2, 3, 9]
[7, 6, 3, 4, 5, 0, 1, 2, 8, 9]
[6, 5, 3, 4, 2, 0, 1, 7, 8, 9]
[5, 4, 3, 1, 2, 0, 6, 7, 8, 9]
[4, 2, 3, 1, 0, 5, 6, 7, 8, 9]
[3, 2, 0, 1, 4, 5, 6, 7, 8, 9]
[2, 1, 0, 3, 4, 5, 6, 7, 8, 9]
[1, 0, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

归并排序

把两段有序列表合并成一个有序列表

例如现在有列表li=[2,5,7,8,9,1,3,4,6]

1.这个列表以9为分割线,将列表分为两个部分,左边的部分[2,5,7,8,9]是一个有序列表,右边部分[1,3,4,6]也是一个有序列表
2.分别取这两段有序列表中的第一个元素,分别是2和1,由于1比2小,所以先把1排入一个新列表tmp中
3.再取右边部分的第二个元素3,3比2大,把2排入tmp中1元素的右边
4.再取左边部分的第二个元素5,5比3大,把3排入tmp中2元素右边
5.再取右男家部分的第三个元素4,再对4进行排序
6.直到这两段有序列表中的元素都排入tmp中,这时tmp就是li的有序状态

代码:

def merge(li, left, mid, right):
    i = left
    j = mid + 1

    ltmp = []

    while i <= mid and j <= right:
        if li[i] <= li[j]:
            ltmp.append(li[i])
            i += 1
        else:
            ltmp.append(li[j])
            j += 1

    while i <= mid:
        ltmp.append(li[i])
        i += 1

    while j <= right:
        ltmp.append(li[j])
        j += 1

    li[left:right + 1] = ltmp

def mergesort(li, left, right):
    if left < right:
        mid = (left + right) // 2
        mergesort(li, left, mid)
        mergesort(li, mid + 1, right)
        print(li[left:right + 1])

        merge(li, left, mid, right)
        print(li[left:right + 1])

li = [10, 4, 6, 3, 8, 2, 5, 7, 1, 9]

mergesort(li, 0, len(li) - 1)

print(li)

输出打印:

[10, 4]
[4, 10]
[4, 10, 6]
[4, 6, 10]
[3, 8]
[3, 8]
[4, 6, 10, 3, 8]
[3, 4, 6, 8, 10]
[2, 5]
[2, 5]
[2, 5, 7]
[2, 5, 7]
[1, 9]
[1, 9]
[2, 5, 7, 1, 9]
[1, 2, 5, 7, 9]
[3, 4, 6, 8, 10, 1, 2, 5, 7, 9]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

归并排序将列表越分越小,直至分成一个元素,
一个元素是有序的
将两个有序列表归并,列表越来越大.

希尔排序

希乐排序是一种分组插入的排序算法

希尔排序每趟并不使某些元素有序,而是使整体数据越来越接近有序

最后一次排序使得所有的数据有序

希尔排序代码:

def shell_sort(li):
    gap=len(li) //2
    while gap > 0:
        for i in range(gap,len(li)):
            tmp = li[i]
            j = i - gap
            while j >=0 and tmp < li[j]:

                li[j + gap] = li[j]
                j -=gap
            li[j + gap] = tmp
            print(li)
            
        gap /= 2
        
li=[10,4,6,3,8,2,5,7,1,9]

shell_sort(li)

print(li)

输出打印:

[2, 4, 6, 3, 8, 10, 5, 7, 1, 9]
[2, 4, 6, 3, 8, 10, 5, 7, 1, 9]
[2, 4, 6, 3, 8, 10, 5, 7, 1, 9]
[2, 4, 6, 1, 8, 10, 5, 7, 3, 9]
[2, 4, 6, 1, 8, 10, 5, 7, 3, 9]
[2, 4, 6, 1, 8, 10, 5, 7, 3, 9]
[2, 1, 6, 4, 8, 10, 5, 7, 3, 9]
[2, 1, 6, 4, 8, 10, 5, 7, 3, 9]
[2, 1, 6, 4, 8, 10, 5, 7, 3, 9]
[2, 1, 5, 4, 6, 10, 8, 7, 3, 9]
[2, 1, 5, 4, 6, 7, 8, 10, 3, 9]
[2, 1, 3, 4, 5, 7, 6, 10, 8, 9]
[2, 1, 3, 4, 5, 7, 6, 9, 8, 10]
[1, 2, 3, 4, 5, 7, 6, 9, 8, 10]
[1, 2, 3, 4, 5, 7, 6, 9, 8, 10]
[1, 2, 3, 4, 5, 7, 6, 9, 8, 10]
[1, 2, 3, 4, 5, 7, 6, 9, 8, 10]
[1, 2, 3, 4, 5, 7, 6, 9, 8, 10]
[1, 2, 3, 4, 5, 6, 7, 9, 8, 10]
[1, 2, 3, 4, 5, 6, 7, 9, 8, 10]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
目录
相关文章
|
2月前
|
存储 搜索推荐 测试技术
DS:八大排序之堆排序、冒泡排序、快速排序
DS:八大排序之堆排序、冒泡排序、快速排序
|
2月前
|
搜索推荐 算法 C++
DS:八大排序之直接插入排序、希尔排序和选择排序
DS:八大排序之直接插入排序、希尔排序和选择排序
|
2月前
|
机器学习/深度学习 算法 搜索推荐
DS:八大排序之归并排序、计数排序
DS:八大排序之归并排序、计数排序
|
6月前
|
存储 搜索推荐 算法
【算法基础】一文掌握十大排序算法,冒泡排序、插入排序、选择排序、归并排序、计数排序、基数排序、希尔排序和堆排序
【算法基础】一文掌握十大排序算法,冒泡排序、插入排序、选择排序、归并排序、计数排序、基数排序、希尔排序和堆排序
68 2
【算法基础】一文掌握十大排序算法,冒泡排序、插入排序、选择排序、归并排序、计数排序、基数排序、希尔排序和堆排序
|
10月前
|
存储 算法
十大排序之插入排序
十大排序之插入排序
61 0
|
11月前
|
搜索推荐 算法
十大排序算法之插入排序、希尔排序、选择排序
十大排序算法之插入排序、希尔排序、选择排序
88 0
|
11月前
|
存储 搜索推荐 算法
八大排序之插入排序和归并排序
八大排序之插入排序和归并排序
144 0
|
机器学习/深度学习 存储 算法
十大经典排序算法详解(二)希尔排序,归并排序,快速排序(下)
十大经典排序算法详解(二)希尔排序,归并排序,快速排序
十大经典排序算法详解(二)希尔排序,归并排序,快速排序(下)
|
搜索推荐 算法
高级排序算法(快速排序)
高级排序算法(快速排序)
|
搜索推荐 API
十大排序算法——插入排序
十大排序算法——插入排序
十大排序算法——插入排序