數據結構和算法之查找和排序1
如何寫代碼：
01.提煉問題 要明確需求
02.分析問題 -->動腦子 產出：思路報告 即我是怎麼想到的
03.落實到代碼
04.實例測試 看看可否知足需求 若是不能那麼請debug
05.時間和空間複雜度
目的：
算法的入門篇 10種排序算法和3種查找算法
參考：
《數據結構和算法 python語言描述》
查找：
01.線性查找
def seq_find(array,target):
found = False
for ele in array:
if ele == target:
found = True
return found
02.二分查找
def binary_search(array,target)
found = False
start = 0
end = len(array) -1
while first <= last and not found:
middle = (start+end) //2
if array[middle] == target:
found = True
else:
if array[middle] > target:
end = middle -1
else:
start = middle + 1
return found
03.hash查找
hash查找知道時間複雜度是1就能夠了吧？經常使用的hash取餘的算法 仍是解決衝突的算法 不必了
排序：01-04是簡單的排序 05-07是複雜排序 08-10是線性排序
01.插入排序
提煉問題：很明確,要求咱們經過插入的方式實現排序,重點在插入
分析問題：首先第一個元素是有序的,那麼只須要將後續的元素插入到合適的位置便可;
後續元素如何處理呢？好比pos=k的元素 只須要將該元素的值提煉出來 依次和前邊的元素pos-1進行比較，直至pos>0或者lst[pos-1]< value of k
代碼：
def insert_sort(lst):
for index in range(1,len(lst)):
pos = index
val = lst[index]
while pos >0 and val < lst[pos-1]:
lst[pos] = lst[pos-1]
pos = pos -1
lst[pos] = val
測試:
array = [25,67,54,33,20,78,65,49,17,56,44]
insert_sort(array)
print array
時間和空間複雜度：O(n**2) O(1)
02.冒泡排序
提煉問題：像冒泡同樣 相鄰元素兩兩比較 直至最大的到最後
分析問題：以N個元素的列表爲例，須要進行N-1次冒泡，第一次冒泡須要N-1次比較 第二次冒泡須要比較N-2次 第N-1次須要比較1次
代碼：
def bubble_sort(lst):
pass_num = len(lst)-1
for num in range(pass_num,0,-1):
for i in range(num):
if lst[i] > lst[i+1]:
lst[i],lst[i+1] = lst[i+1],lst[i]
測試:
array = [25,67,54,33,20,78,65,49,17,56,44]
bubble_sort(array)
print array
時間和空間複雜度：O(n**2) O(1)
03.選擇排序
提煉問題：重在選擇
分析：假設index=0的元素值最大,遍歷一遍 選出最大的放到末尾 如此遍歷N次
代碼：
def insert_sort(lst):
for index in range(1, len(lst)):
pos = index
val = lst[index]
while pos > 0 and val < lst[pos - 1]:
lst[pos] = lst[pos - 1]
pos = pos - 1
lst[pos] = val
測試：
array = [25, 67, 54, 33, 20, 78, 65, 49, 17, 56, 44]
insert_sort(array)
print array
時間和空間複雜度：O(n**2) O(1)
04.
如何寫代碼：
01.提煉問題 要明確需求
02.分析問題 -->動腦子 產出：思路報告 即我是怎麼想到的
03.落實到代碼
04.實例測試 看看可否知足需求 若是不能那麼請debug
05.時間和空間複雜度
目的：
算法的入門篇 10種排序算法和3種查找算法
參考：
《數據結構和算法 python語言描述》
查找：
01.線性查找
def seq_find(array,target):
found = False
for ele in array:
if ele == target:
found = True
return found
02.二分查找
def binary_search(array,target)
found = False
start = 0
end = len(array) -1
while first <= last and not found:
middle = (start+end) //2
if array[middle] == target:
found = True
else:
if array[middle] > target:
end = middle -1
else:
start = middle + 1
return found
03.hash查找
hash查找知道時間複雜度是1就能夠了吧？經常使用的hash取餘的算法 仍是解決衝突的算法 不必了
排序：01-04是簡單的排序 05-07是複雜排序 08-10是線性排序
01.插入排序
提煉問題：很明確,要求咱們經過插入的方式實現排序,重點在插入
分析問題：首先第一個元素是有序的,那麼只須要將後續的元素插入到合適的位置便可;
後續元素如何處理呢？好比pos=k的元素 只須要將該元素的值提煉出來 依次和前邊的元素pos-1進行比較，直至pos>0或者lst[pos-1]< value of k
代碼：
def insert_sort(lst):
for index in range(1,len(lst)):
pos = index
val = lst[index]
while pos >0 and val < lst[pos-1]:
lst[pos] = lst[pos-1]
pos = pos -1
lst[pos] = val
測試:
array = [25,67,54,33,20,78,65,49,17,56,44]
insert_sort(array)
print array
時間和空間複雜度：O(n**2) O(1)
02.冒泡排序
提煉問題：像冒泡同樣 相鄰元素兩兩比較 直至最大的到最後
分析問題：以N個元素的列表爲例，須要進行N-1次冒泡，第一次冒泡須要N-1次比較 第二次冒泡須要比較N-2次 第N-1次須要比較1次
代碼：
def bubble_sort(lst):
pass_num = len(lst)-1
for num in range(pass_num,0,-1):
for i in range(num):
if lst[i] > lst[i+1]:
lst[i],lst[i+1] = lst[i+1],lst[i]
測試:
array = [25,67,54,33,20,78,65,49,17,56,44]
bubble_sort(array)
print array
時間和空間複雜度：O(n**2) O(1)
03.選擇排序
提煉問題：重在選擇
分析：假設index=0的元素值最大,遍歷一遍 選出最大的放到末尾 如此遍歷N次
代碼：
def insert_sort(lst):
for index in range(1, len(lst)):
pos = index
val = lst[index]
while pos > 0 and val < lst[pos - 1]:
lst[pos] = lst[pos - 1]
pos = pos - 1
lst[pos] = val
測試：
array = [25, 67, 54, 33, 20, 78, 65, 49, 17, 56, 44]
insert_sort(array)
print array
時間和空間複雜度：O(n**2) O(1)
04.希爾排序
不是重點 不寫了 有空再補上吧
05.歸併排序
提煉問題：8 4 2 1
分析：兩兩合併 而後遞歸
代碼：
def merge(list_l,list_r):
point_l = 0
point_r = 0
res = []
while point_l < len(list_l) and point_r < len(list_r):
if list_l[point_l] < list_r[point_r]:
res.append(list_l[point_l])
point_l += 1
else:
res.append(list_r[point_r])
point_r += 1
res += list_l[point_l:]
res += list_r[point_r:]
return res
def merge_sort(lst):
if len(lst) <= 1:
return lst
middle = len(lst)//2
left = merge_sort(lst[:middle])
right = merge_sort(lst[middle:])
return merge(left,right)
array = [25,67,54,33,20,78,65,49,17,56,44]
print merge_sort(array)
06.快速排序
代碼：
# -*- coding:utf-8 -*-
def quick_sort(lst):
quick_sort_rec(lst,0,len(lst)-1)
def quick_sort_rec(lst,first,last):
if first < last:
split_point = partition(lst,first,last)
quick_sort_rec(lst,first,split_point-1)
quick_sort_rec(lst,split_point+1,last)
def partition(lst,first,last):
pivot_value = lst[first]
left_mark = first + 1
right_mark = last
done = False
while not done:
while left_mark <= right_mark and lst[left_mark] <= pivot_value:
left_mark = left_mark + 1
while lst[right_mark] >= pivot_value and right_mark >= left_mark:
right_mark = right_mark - 1
if right_mark < left_mark:
done = True
else:
temp = lst[left_mark]
lst[left_mark] = lst[right_mark]
lst[right_mark] = temp
temp = lst[first]
lst[first] = lst[right_mark]
lst[right_mark] = temp
return right_mark
array = [54, 26, 93, 17, 77, 31, 44, 55, 20]
quick_sort(array)
print array
07.堆排序
留到二叉樹部分
08-10.基數排序、桶排序、計數排序 基本用不到 用到再聊吧 桶排序可能會有
相關文章
- 1. C語言_數據結構和算法之_排序和查找
- 2. 數據結構與算法之查找和排序
- 3. 數據結構查找算法和排序算法java實現
- 4. 數據結構——排序和查找
- 5. 數據結構 排序和查找
- 6. Python數據結構與算法—排序和查找
- 7. 數據結構與算法--查找和排序
- 8. 算法——查找和排序
- 9. 排序和查找算法
- 10. 數據結構和排序算法
- 更多相關文章...
- • C# 程序結構 - C#教程
- • Eclipse 查找 - Eclipse 教程
- • 算法總結-二分查找法
- • 算法總結-歸併排序
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. js中 charCodeAt
- 2. Android中通過ViewHelper.setTranslationY實現View移動控制（NineOldAndroids開源項目）
- 3. 【Android】日常記錄：BottomNavigationView自定義樣式，修改點擊後圖片
- 4. maya 文件檢查 ui和數據分離 （一）
- 5. eclipse 修改項目的jdk版本
- 6. Android InputMethod設置
- 7. Simulink中Bus Selector出現很多? ? ?
- 8. 【Openfire筆記】啓動Mac版Openfire時提示「系統偏好設置錯誤」
- 9. AutoPLP在偏好標籤中的生產與應用
- 10. 數據庫關閉的四種方式
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. C語言_數據結構和算法之_排序和查找
- 2. 數據結構與算法之查找和排序
- 3. 數據結構查找算法和排序算法java實現
- 4. 數據結構——排序和查找
- 5. 數據結構 排序和查找
- 6. Python數據結構與算法—排序和查找
- 7. 數據結構與算法--查找和排序
- 8. 算法——查找和排序
- 9. 排序和查找算法
- 10. 數據結構和排序算法