0
点赞
收藏
分享

微信扫一扫

数据结构与算法(Python)第六天

龙毓七七 2022-03-30 阅读 60

数据结构与算法(Python)第六天


排序与搜索

希尔排序

希尔排序(Shell Sort)是插入排序的一种。也称缩小增量排序,是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。该方法因DL.Shell于1959年提出而得名。 希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法便终止。

希尔排序过程

希尔排序的基本思想是:将数组列在一个表中并对列分别进行插入排序,重复这过程,不过每次用更长的列(步长更长了,列数更少了)来进行。最后整个表就只有一列了。将数组转换至表是为了更好地理解这算法,算法本身还是使用数组进行排序。

例如,假设有这样一组数[ 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 ],如果我们以步长为5开始进行排序,我们可以通过将这列表放在有5列的表中来更好地描述算法,这样他们就应该看起来是这样(竖着的元素是步长组成):

13 14 94 33 82
25 59 94 65 23
45 27 73 25 39
10

然后我们对每列进行排序:
10 14 73 25 23
13 27 94 33 39
25 59 94 65 82
45

将上述四行数字,依序接在一起时我们得到:[ 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 ]。这时10已经移至正确位置了,然后再以3为步长进行排序:

10 14 73
25 23 13
27 94 33
39 25 59
94 65 82
45
排序之后变为:

10 14 13
25 23 33
27 25 59
39 65 73
45 94 82
94

最后以1步长进行排序(此时就是简单的插入排序了)

希尔排序的分析

在这里插入图片描述

实现过程:

# coding:utf-8

def shell_sort(alist):
    """希尔排序"""
    # 示例序列中n=9
    n=len(alist)
    # gap 取4  , n//2代表取整
    gap=n//2

    #gap变化到0之前,插入算法执行的次数
    while gap>=1:
        #插入算法,与普通插入法的区别就是步长gap
        for j in range(gap,n):
            # j: gap,gap+1,gap+2,gap+3,.....n-1
            i=j
            while i>=gap:
                if alist[i]<alist[i-gap]:
                    alist[i],alist[i-gap]=alist[i-gap],alist[i]
                    i-=gap
                else:
                    break
        #缩短gao步长
        gap//=2

if __name__=="__main__":
    li = [54, 26, 93, 17, 77, 31, 44, 55, 20,3,5,99,100]
    print(li)
    shell_sort(li)
    print(li)

运行结果:

[54, 26, 93, 17, 77, 31, 44, 55, 20, 3, 5, 99, 100]
[3, 5, 17, 20, 26, 31, 44, 54, 55, 77, 93, 99, 100]

Process finished with exit code 0

时间复杂度

  • 最优时间复杂度:根据步长序列的不同而不同
  • 最坏时间复杂度:O(n2)
  • 稳定性:不稳定

快速排序

快速排序(英语:Quicksort),又称划分交换排序(partition-exchange sort),通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。

步骤为:

从数列中挑出一个元素,称为"基准"(pivot),
重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区结束之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。
递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。
递归的最底部情形,是数列的大小是零或一,也就是永远都已经被排序好了。虽然一直递归下去,但是这个算法总会结束,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。

快速排序的分析

在这里插入图片描述

实现过程:

# coding:utf-8

def quick_sort(alist,first,last):
    """快速排序"""
    # 递归的退出条件
    if first>=last:
        return
    # 设定起始元素为要寻找位置的基准元素
    mid_value=alist[first]
    # low为序列左边的由左向右移动的游标
    low=first
    # high为序列右边的由右向左移动的游标
    high=last

    while low<high:
        #high向左移动,直到遇到小于mid_value的值
        while low<high and alist[high]>=mid_value:
            high-=1
        # 将high指向的元素放到low的位置上
        alist[low]=alist[high]

        # low向右移动,直到遇到大于mid_value的值,或者low=high
        while low<high and alist[low]<mid_value:
            low+=1
        # 将low指向的元素放到high的位置上
        alist[high]=alist[low]
    #从循环退出时,low=high,,此时所指位置为基准元素的正确位置
    # 将基准元素放到该位置
    alist[low]=mid_value

    # 对基准元素左边的子序列进行快速排序
    quick_sort(alist,first,low-1)
    # 对基准元素右边的子序列进行快速排序
    quick_sort(alist,low+1,last)

if __name__=="__main__":
    li = [54, 26, 93, 17, 77, 31, 44, 55, 20,3,5,99,100]
    print(li)
    quick_sort(li,0,len(li)-1)
    print(li)

运行过程:

[54, 26, 93, 17, 77, 31, 44, 55, 20, 3, 5, 99, 100]
[3, 5, 17, 20, 26, 31, 44, 54, 55, 77, 93, 99, 100]

Process finished with exit code 0

时间复杂度

  • 最优时间复杂度:O(nlogn)
  • 最坏时间复杂度:O(n2)
  • 稳定性:不稳定

从一开始快速排序平均需要花费O(n log n)时间的描述并不明显。但是不难观察到的是分区运算,数组的元素都会在每次循环中走访过一次,使用O(n)的时间。在使用结合(concatenation)的版本中,这项运算也是O(n)。

在最好的情况,每次我们运行一次分区,我们会把一个数列分为两个几近相等的片段。这个意思就是每次递归调用处理一半大小的数列。因此,在到达大小为一的数列前,我们只要作log n次嵌套的调用。这个意思就是调用树的深度是O(log n)。但是在同一层次结构的两个程序调用中,不会处理到原来数列的相同部分;因此,程序调用的每一层次结构总共全部仅需要O(n)的时间(每个调用有某些共同的额外耗费,但是因为在每一层次结构仅仅只有O(n)个调用,这些被归纳在O(n)系数中)。结果是这个算法仅需使用O(n log n)时间。

归并排序

归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组。

将数组分解最小之后,然后合并两个有序数组,基本思路是比较两个数组的最前面的数,谁小就先取谁,取了后相应的指针就往后移一位。然后再比较,直至一个数组为空,最后把另一个数组的剩余部分复制过来即可。

归并排序的分析

实现过程

# coding:utf-8

def merge_sort(alist):
    """归并排序"""
    n=len(alist)
    if n<=1:
        return alist
    mid=n//2

    # left 采用归并排序后形成的有序的新的列表
    left_li = merge_sort(alist[:mid])

    # right 采用归并排序后形成的有序的新的列表
    right_li = merge_sort(alist[mid:])

    # 将两个有序的子序列合并为一个新的整体
    # merge(left,right)
    left_pointer,right_pointer=0,0
    result=[]

    while left_pointer<len(left_li) and right_pointer<len(right_li):
        if left_li[left_pointer]<=right_li[right_pointer]:
            result.append(left_li[left_pointer])
            left_pointer += 1
        else:
            result.append(right_li[right_pointer])
            right_pointer+=1
    result += left_li[left_pointer:]
    result += right_li[right_pointer:]
    return result

if __name__=="__main__":
    li = [54, 26, 99, 17, 77, 31, 44, 55, 20,3,5,99,100]
    print(li)
    sorted_li=merge_sort(li)
    print(li)
    print(sorted_li)



运行结果:

[54, 26, 99, 17, 77, 31, 44, 55, 20, 3, 5, 99, 100]
[54, 26, 99, 17, 77, 31, 44, 55, 20, 3, 5, 99, 100]
[3, 5, 17, 20, 26, 31, 44, 54, 55, 77, 99, 99, 100]

Process finished with exit code 0

时间复杂度

  • 最优时间复杂度:O(nlogn)
  • 最坏时间复杂度:O(nlogn)
  • 稳定性:稳定

常见排序算法效率比较

在这里插入图片描述

搜索

搜索是在一个项目集合中找到一个特定项目的算法过程。搜索通常的答案是真的或假的,因为该项目是否存在。 搜索的几种常见方法:顺序查找、二分法查找、二叉树查找、哈希查找

二分法查找

二分查找又称折半查找,优点是比较次数少,查找速度快,平均性能好;其缺点是要求待查表为有序表,且插入删除困难。因此,折半查找方法适用于不经常变动而查找频繁的有序列表。首先,假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较,如果两者相等,则查找成功;否则利用中间位置记录将表分成前、后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步查找前一子表,否则进一步查找后一子表。重复以上过程,直到找到满足条件的记录,使查找成功,或直到子表不存在为止,此时查找不成功。

在这里插入图片描述

二分法查找实现

(递归和非递归实现分别显示)

# coding:utf-8

def binary_search(alist,item):
    """二分查找,递归"""
    n=len(alist)
    if n>0:
        mid=n//2
        if alist[mid]==item:
            return True
        elif alist[mid]>item:
            return(binary_search(alist[:mid],item))
        else:
            return(binary_search(alist[mid+1:],item))
    else:
        return False


def binary_search_2(alist,item):
    """二分查找,非递归"""
    n=len(alist)
    first=0
    last=n-1

    while first<=last:
        mid = (first + last) // 2
        if alist[mid]==item:
            return True
        elif alist[mid]>item:
            last=mid-1
        else:
            first=mid+1
    return False





if __name__=="__main__":
    li=[3, 5, 17, 20, 26, 31, 44, 54, 55, 77, 99, 99, 100]
    print(binary_search(li,54))
    print(binary_search(li,4))
    print(binary_search_2(li,54))
    print(binary_search_2(li,4))

运行结果:

True
False
True
False

Process finished with exit code 0

时间复杂度

  • 最优时间复杂度:O(1)
  • 最坏时间复杂度:O(logn)
举报

相关推荐

0 条评论