排序算法1

文章目录

  • 排序算法
    • 冒泡排序
      • 代码Python
    • 插入排序
      • 代码Python
    • 选择排序
      • 代码Python
  • 小结

排序算法

这里先写几种排序算法

排序算法,经典的几种排序算法,就那么几个,如下:

  1. 冒泡排序
  2. 插入排序
  3. 选择排序
  4. 归并排序
  5. 快速排序

这一篇,先讲一些原地排序算法,就是前三种。

冒泡排序

冒泡排序只会操作相邻的两个数据,每次都是比较这2个,然后根据条件去互换,一次冒泡至少让一个元素移动到它应该在的位置,重复N次,就完成了工作。

重点来了:

  1. 它是原地排序算法
  2. 它是稳定的排序算法
  3. 时间复杂度O(n^2)

代码Python

from typing import List
def bubble_sort(a: List[int]):length = len(a)if length <= 1:returnfor i in range(length):made_swap = Falsefor j in range(length - i - 1):if a[j] > a[j + 1]:a[j], a[j + 1] = a[j + 1], a[j]made_swap = Trueif not made_swap:break

插入排序

插入排序(英语:Insertion sort)是一种简单直观的排序算法。它的工作原理为将待排列元素划分为「已排序」和「未排序」两部分,每次从「未排序的」元素中选择一个插入到「已排序的」元素中的正确位置。

重点来了:

  1. 它是原地排序算法
  2. 它是稳定的排序算法
  3. 时间复杂度O(n^2)

代码Python

def insertion_sort(a: List[int]):length = len(a)if length <= 1:returnfor i in range(1, length):value = a[i]j = i - 1while j >= 0 and a[j] > value:a[j + 1] = a[j]j -= 1a[j + 1] = value

选择排序

选择排序(英语:Selection sort)是一种简单直观的排序算法。它的工作原理是每次找出第 i 小的元素(也就是 A_{i..n} 中最小的元素),然后将这个元素与数组第 i 个位置上的元素交换。

重点来了:

  1. 它是原地排序算法
  2. 它是不稳定的排序算法
  3. 时间复杂度O(n^2)

代码Python

def selection_sort(a: List[int]):length = len(a)if length <= 1:returnfor i in range(length):min_index = imin_val = a[i]for j in range(i, length):if a[j] < min_val:min_val = a[j]min_index = ja[i], a[min_index] = a[min_index], a[i]

小结

稳定的排序算法
这三种算法,整体上来说都是原地排序算法;其次,算法时间复杂度都是O(n^2)。比较耗时间。下次,去看下其他的算法,像归并,快排,都是经常用的,特别是快排。其实快排挺好玩的,还用到了一些好玩的概念,一点一点来。

说明:我只是用python写了这几种算法代码,如果有需要其他的,我可以补充上来。毕竟,学习算法只是为了熟悉算法流程,语言不重要,思想逻辑挺重要的。如果有喜欢其他语言的,我可以提供出来相关语言代码的实现。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/5432.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

透视天气:数据可视化的新视角

数据可视化在天气方面能够为我们带来极大的帮助。天气是人类生活中一个重要的因素&#xff0c;对于农业、交通、航空、能源等各个领域都有着重要的影响。而数据可视化技术通过将复杂的天气数据转化为直观、易懂的图表、图像或地图等形式&#xff0c;为我们提供了更深入、更全面…

图像处理:时域、空域、频率的滤波介绍

首先要搞清楚为什么会呈现出不同域的维度&#xff0c;来理解和处理图像&#xff0c;原因是图像的构成有多个维度的信息特点。比如一段视频从时间顺序来看&#xff0c;相邻的2个图像帧绝大部分信息是相同的&#xff0c;这就构成了前向预测的理论基础&#xff1b;比如一帧图像从空…

HTTP 与 HTTPS

HTTP 浅谈 HTTP HTTPS 浅谈 HTTPS HTTP 与 HTTPS区别 HTTP&#xff08;Hypertext Transfer Protocol&#xff09;和HTTPS&#xff08;Hyper Text Transfer Protocol Secure&#xff09;在多个方面存在显著的区别&#xff0c;这些区别主要体现在以下几个方面&#xff1a; 特…

如何提升制造设备文件汇集的可靠性和安全性?

制造设备文件汇集通常指的是将与制造设备相关的各种文档和资料进行整理和归档的过程。这些文件可能包括但不限于&#xff1a; 生产数据&#xff1a;包括生产计划、订单信息、生产进度等。 设计文件&#xff1a;如CAD图纸、设计蓝图、产品模型等。 工艺参数&#xff1a;用于指…

腾讯实习后端c++一面-2024.4.29

你这两个项目觉得有什么比较难的地方吗&#xff1f;为什么会采用这样的技术栈&#xff1f;对是的。这个项目你在其中是做哪些部分&#xff1f;你可以说一下你在华为做的是一些什么。我应该问的是常用的。你说一下虚函数它是怎么实现的&#xff1f;你了解c11的一些特性吗&#x…

PaddlePaddle与OpenMMLab

产品全景_飞桨产品-飞桨PaddlePaddle OpenMMLab算法应用平台

ElasticSearch常用操作API

基础操作 以下均为[GET]操作 查看ElasticSearch全部索引 http://{ip}:9200/_cat/indices?v 查看ElasticSearch集群节点 http://{ip}:9200/_cat/nodes?v 查看ElasticSearch版本信息 http://{ip}:9200/ 查看ElasticSearch集群状态 http://{ip}:9200/_cluster/health?pretty …

AnyMP4 Blu-ray Ripper for Mac:您的蓝光影音转换专家

AnyMP4 Blu-ray Ripper for Mac&#xff0c;一款功能强大的蓝光影音转换软件&#xff0c;让您的蓝光内容焕发新生。 AnyMP4 Blu-ray Ripper for Macv9.0.58激活版下载 它采用最高效的解决方案&#xff0c;将蓝光光盘翻录为任何您想要的视频格式&#xff0c;无论是MP4、MKV还是A…

NLP Step by Step -- 如何微调一个模型(1)

文章目录 数据处理从模型中心&#xff08;Hub&#xff09;加载数据集预处理数据集动态填充 使用 Trainer API 微调模型Training评估 数据处理 这一小节学习第一小节中提到的“如何使用模型中心&#xff08;hub&#xff09;大型数据集”&#xff0c;下面是我们用模型中心的数据…

Docker 快速入门

Docker 是一个开源的应用容器引擎&#xff0c;它允许开发者打包他们的应用以及应用的依赖包到一个轻量级、可移植的容器中&#xff0c;然后发布到任何支持 Docker 的系统上。以下是 Docker 入门的详细步骤&#xff1a; 1. 了解 Docker 的基本概念 在开始之前&#xff0c;了解…

redis运维篇上篇

最近在学redis&#xff0c;由于笔者是学运维的&#xff0c;所以推荐学习运维的小伙伴参考&#xff0c;希望对大家有帮助&#xff01; redis运维篇下篇:http://t.csdnimg.cn/83sQ1 附加redis多用户管理:http://t.csdnimg.cn/DY3yx 目录 一.安装redis 二.redis配置调优 三.启…

【Excel】excel计算相关性系数R、纳什效率系数NSE、Kling-Gupta系数KGE

对于采用的数据&#xff1a; B2:B10958是观测值的所在范围 C2:C10958是模型计算值的所在范围 一、相关系数R是用来衡量两个变量之间线性关系强度和方向的统计量。在水文学和气象学中&#xff0c;常用的相关系数是皮尔逊相关系数&#xff08;Pearson correlation coefficient&am…

智能体可靠性的革命性提升,揭秘知识工程领域的参考架构新篇章

引言&#xff1a;知识工程的演变与重要性 知识工程&#xff08;Knowledge Engineering&#xff0c;KE&#xff09;是一个涉及激发、捕获、概念化和形式化知识以用于信息系统的过程。自计算机科学和人工智能&#xff08;AI&#xff09;历史以来&#xff0c;知识工程的工作流程因…

【数据结构(邓俊辉)学习笔记】向量05——排序器

文章目录 0. 概述1.统一入口2. 起泡排序2.1 起泡排序&#xff08;基础版&#xff09;2.1.1 算法分析2.1.2 算法实现2.1.3 重复元素与稳定性2.1.4 复杂度分析 3. 归并排序3.1 有序向量的二路归并3.2 分治策略3.3 实例3.4 二路归并接口的实现3.5 归并时间3.6 排序时间 4.综合评价…

基于Matlab使用深度学习的多曝光图像融合

欢迎大家点赞、收藏、关注、评论啦 &#xff0c;由于篇幅有限&#xff0c;只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 一、项目背景 在图像处理领域&#xff0c;多曝光图像融合技术是一种重要的技术&#xff0c;它可以将不同曝光条件下…

备忘录模式(行为型)

目录 一、前言 二、备忘录模式 三、总结 一、前言 备忘录模式(Memento Pattern&#xff09;是一种行为型设计模式&#xff0c;在不破坏封装性的前提下&#xff0c;捕获一个对象的内部状态&#xff0c;并在该对象之外保存这个状态&#xff0c;这样可以在之后将该对象恢复到原…

idea生成双击可执行jar包

我这里是一个生成xmind,解析sql的一个main方法,可以通过配置文件来修改有哪些类会执行 我们经常会写一个处理文件的main方法,使用时再去寻找,入入会比较麻烦,这里就可以把我们写过的main方法打成jar包,放到指定的目录来处理文件并生成想要的结果 1.写出我们自己的main方法,本地…

C语言.自定义类型:结构体

自定义类型&#xff1a;结构体 1.结构体类型的声明1.1结构体回顾1.1.1结构体的声明1.1.2结构体变量的创建和初始化 1.2结构体的特殊声明1.3结构体的自引用 2.结构体内存对齐2.1对齐规则2.2为什么存在内存对齐2.3修改默认对齐数 3.结构体传参4.结构体实现位段4.1什么是位段4.2位…

深入浅出DBus-C++:Linux下的高效IPC通信

目录标题 1. DBus简介2. DBus-C的优势3. 安装DBus-C4. 使用DBus-C初始化和连接到DBus定义接口和方法发送和接收信号 5. dbus-cpp 0.9.0 的安装6. 创建一个 DBus 服务7. 客户端的实现8. 编译和运行你的应用9. 瑞芯微&#xff08;Rockchip&#xff09;的 Linux 系统通常会自带 db…

OpenLayers入门①(引入的是一个高德地图)

OpenLayers入门&#xff08;一&#xff09; - 知乎 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta http-equiv"X-UA-Compatible" content"IEedge"><meta name"viewport&qu…