排序算法 - 6种 - 超炫的动画演示 - Python实现

1.冒泡排序

思路:遍历列表,每一轮每次比较相邻两项,将无序的两项交换,下一轮遍历比前一轮比较次数减1。

  1. def bubble_sort(a_list):
  2. for passnum in range(len(a_list)-1, 0, -1):
  3. for i in range(passnum):
  4. if a_list[i] > a_list[i+1]:
  5. a_list[i], a_list[i+1] = a_list[i+1], a_list[i]

改进:遍历期间没有交换,则认为已排序,可以停止。

  1. def short_bubble_sort(a_list):
  2. exchanges = True
  3. passnum = len(a_list) - 1
  4. while passnum > 0 and exchanges:
  5. exchanges = False
  6. for i in range(passnum):
  7. if a_list[i] > a_list[i+1]:
  8. exchanges = True
  9. a_list[i], a_list[i+1] = a_list[i+1], a_list[i]
  10. passnum = passnum - 1

动画演示:

2.选择排序

思路:遍历列表,每次遍历选出最大的放在合适的位置。

  1. def selection_sort(a_list):
  2. for fillslot in range(len(a_list)-1, 0, -1):
  3. position_max=0
  4. for location in range(1, fillslot+1):
  5. if a_list[location] > a_list[position_max]:
  6. position_max = location
  7. a_list[fillslot], a_list[position_max] = a_list[position_max], a_list[fillslot]

动画演示:

3.插入排序

思路:每一步都将待插入的数据按大小插入到已排序的数据中的合适位置。

  1. def insertion_sort(a_list):
  2. for index in range(1, len(a_list)):
  3. cur_value = a_list[index]
  4. pos = index
  5. while pos > 0 and a_list[pos-1] > cur_value:
  6. a_list[pos] = a_list[pos-1]
  7. pos = pos - 1
  8. a_list[pos] = cur_value

动画演示:

4.希尔排序

思路:分解为多个子列表进行插入排序,不是连续分,而是通过增量。

  1. def shell_sort(a_list):
  2. sublist_count = len(a_list)
  3. while sublist_count > 0:
  4. for start_position in range(sublist_count):
  5. gap_insertion_sort(a_list, start_position, sublist_count)
  6. sublistcount = sublistcount // 2
  7. def gap_insertion_sort(a_list, start, gap):
  8. for i in range(start+gap, len(a_list), gap):
  9. current_value = a_list[i]
  10. position = i
  11. while position >= gap and a_list[position-gap] > current_value:
  12. a_list[position] = a_list[position-gap]
  13. position = position - gap
  14. a_list[position] = current_value

5.归并排序

思路:分而治之,不断拆分为一半,直至项数为0或1,然后排序合并。需要额外空间。

  1. def merge_sort(a_list):
  2. if len(a_list) > 1:
  3. mid = len(a_list) // 2
  4. lefthalf = a_list[:mid]
  5. righthalf = a_list[mid:]
  6. merge_sort(lefthalf)
  7. merge_sort(righthalf)
  8. i=0
  9. j=0
  10. k=0
  11. while i < len(lefthalf) and j < len(righthalf):
  12. if lefthalf[i] < righthalf[j]:
  13. a_list[k] = lefthalf[i]
  14. i = i + 1
  15. else:
  16. a_list[k] = righthalf[j]
  17. j = j + 1
  18. k=k+1
  19. while i < len(lefthalf):
  20. a_list[k] = lefthalf[i]
  21. i = i + 1
  22. k = k + 1
  23. while j < len(righthalf):
  24. a_list[k] = righthalf[j]
  25. j = j + 1
  26. k = k + 1

动画演示:

6.快速排序

思路:与归并一样使用分而治之,不使用额外内存,特点是枢轴值。

  1. def quick_sort(a_list):
  2. quick_sort_helper(a_list, 0, len(a_list)-1)
  3. def quick_sort_helper(a_list, first, last):
  4. if first < last:
  5. splitpoint = partition(a_list, first, last)
  6. quick_sort_helper(a_list, first, splitpoint-1)
  7. quick_sort_helper(a_list, splitpoint+1, last)
  8. def partition(a_list, first, last):
  9. pivotvalue = a_list[first]
  10. leftmark = first + 1
  11. rightmark = last
  12. done = False
  13. while not done:
  14. while leftmark <= rightmark and a_list[leftmark] <= pivotvalue:
  15. leftmark = leftmark + 1
  16. while a_list[rightmark] >= pivotvalue and rightmark >= leftmark:
  17. rightmark = rightmark -1
  18. if rightmark < leftmark:
  19. done = True
  20. else:
  21. a_list[leftmark], a_list[rightmark] = a_list[rightmark], a_list[leftmark]
  22. a_list[first], a_list[rightmark] = a_list[rightmark], a_list[first]

动画演示:

说明:

1.参考https://interactivepython.org/runestone/static/pythonds/SortSearch/toctree.html

2.动画来自https://visualgo.net/en 截图

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/news/475513.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

LeetCode 565. 数组嵌套

1. 题目 索引从0开始长度为N的数组A&#xff0c;包含0到N - 1的所有整数。 找到最大的集合S并返回其大小&#xff0c;其中 S[i] {A[i], A[A[i]], A[A[A[i]]], ... }且遵守以下的规则。 假设选择索引为i的元素A[i]为S的第一个元素&#xff0c;S的下一个元素应该是A[A[i]]&…

因子分析模型 - Python 做因子分析简直比 SPSS 还简单 - ( Python、SPSS)

为什么&#xff1f; SPSS 那么简单还免费&#xff0c;为什么还要用 Python 做因子分析&#xff08;factor analysis&#xff09;呢&#xff1f;工作狗表示&#xff0c;建模的目的是要卖钱的&#xff0c;也就是要嵌入到公司开发的产品上去&#xff0c;用 Python 写因子分析&…

缺失值处理 - 拉格朗日插值法 - Python代码

目录 缺失值处理 拉格朗日差值法的理论基础 拉格朗日插值法代码实现 其他数据预处理方法 缺失值处理 处理缺失值常用的办法可分为三类&#xff1a;删除记录、数据插补、不处理。 其中常见的数据插补法有&#xff1a; 如果通过删除小部分的数据就可以达到既定的目标&#…

做po_requisitions_interface_all接口开发问题

po_requisitions_interface_all这个接口表的字段charge_account_id来源于: 1、组织参数的Material Account 2、工单类型的Outside Processing Account 转载于:https://www.cnblogs.com/songdavid/archive/2011/09/19/2181757.html

[Hands On ML] 3. 分类(MNIST手写数字预测)

文章目录1. 数据预览2. 数据集拆分3. 二分类4. 性能评估4.1 交叉验证4.2 准确率、召回率4.3 受试者工作特征&#xff08;ROC&#xff09;曲线5. 多分类6. 误差分析6.1 检查混淆矩阵本文为《机器学习实战&#xff1a;基于Scikit-Learn和TensorFlow》的读书笔记。 中文翻译参考 …

支持向量机 - 从原理到算法的实现

思想&#xff1a;寻找能够成功分开两类样本并且具有最大分类间隔的最优超平面。 1.原理解析 空间中任何一个平面的方程都可以表示为wxb 0,如上图&#xff0c;设最优超平面方程H为wxb0,支持向量x-到H的距离为,要使分类间隔最大&#xff0c;即该距离最大&#xff0c;而该距离只与…

Struts2初始化过程代码分析

根据web.xml的配置 调用FilterDispatcher.init(FilterConfig filterConfig) 1. 创建org.apache.struts2.Dispatcher&#xff0c;并调用init()方法 1.1. 创建com.opensymphony.xwork2.config.ConfigurationManager,其中属性List<ContainerProvider> containerProviders存放…

LeetCode 1292. 元素和小于等于阈值的正方形的最大边长(DP)

1. 题目 给你一个大小为 m x n 的矩阵 mat 和一个整数阈值 threshold。 请你返回元素总和小于或等于阈值的正方形区域的最大边长&#xff1b; 如果没有这样的正方形区域&#xff0c;则返回 0 。 示例 1&#xff1a; 输入&#xff1a;mat [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[…

从这十大算法开始学习机器学习与建模

本文介绍了机器学习新手需要了解的 10 大算法&#xff0c;包括线性回归、Logistic 回归、朴素贝叶斯、K 近邻算法等。 在机器学习中&#xff0c;有一种叫做「没有免费的午餐」的定理。简而言之&#xff0c;它指出没有任何一种算法对所有问题都有效&#xff0c;在监督学习&…

SQL Server中行列转换 Pivot UnPivot

PIVOT用于将列值旋转为列名&#xff08;即行转列&#xff09;&#xff0c;在SQL Server 2000可以用聚合函数配合CASE语句实现 PIVOT的一般语法是&#xff1a;PIVOT(聚合函数(列) FOR 列 in (…) )AS P 完整语法&#xff1a; table_source PIVOT( 聚合函数&#xff08;value_col…

LeetCode 835. 图像重叠

1. 题目 给出两个图像 A 和 B &#xff0c;A 和 B 为大小相同的二维正方形矩阵。&#xff08;并且为二进制矩阵&#xff0c;只包含0和1&#xff09;。 我们转换其中一个图像&#xff0c;向左&#xff0c;右&#xff0c;上&#xff0c;或下滑动任何数量的单位&#xff0c;并把…

数据标准化 - scale() - Python代码

标准化 去均值&#xff0c;方差规模化 数据分析的过程中&#xff0c;比如线性规划这一类的分析&#xff0c;如果有些特征的数值远远高于或低于其他数值&#xff0c;通常称之为独立点、异常值或噪点&#xff0c;那么对于受噪点影响较大的模型就无法正确地去学习其他特征。 St…

LeetCode 813. 最大平均值和的分组(DP)

1. 题目 我们将给定的数组 A 分成 K 个相邻的非空子数组 &#xff0c;我们的分数由每个子数组内的平均值的总和构成。 计算我们所能得到的最大分数是多少。 注意我们必须使用 A 数组中的每一个数进行分组&#xff0c;并且分数不一定需要是整数。 示例: 输入: A [9,1,2,3,9…

.NET 动态脚本语言Script.NET系列文章汇总 非常精彩的应用举例

对于Script.NET,我已经写了三篇文章来介绍它&#xff0c;文章汇总如下 .NET 动态脚本语言Script.NET 入门指南 Quick Start .NET 动态脚本语言Script.NET 开发指南 .NET 动态脚本语言Script.NET 应用举例 希望这三篇文章能帮助你了解Script.NET。 下面的例子&#xff0c;继续讲…

异常值处理 - iterrows()对 DataFrame 进行遍历,并修改遍历中的异常值 - Python代码

先要有一个很简单的被命名为 data 的表&#xff1a; 第三列是一个名曰周杰伦的人历年来每个月的月薪&#xff0c;其中2016年月薪10万&#xff0c;纵观他历年来的月薪基本不超过3万&#xff08;显然他不是我的偶像胖伦&#xff09;&#xff0c;因此对于这个人来说月薪10万是有些…

LeetCode 44. 通配符匹配(DP)

1. 题目 给定一个字符串 (s) 和一个字符模式 (p) &#xff0c;实现一个支持 ? 和 * 的通配符匹配。 ? 可以匹配任何单个字符。* 可以匹配任意字符串&#xff08;包括空字符串&#xff09;。 两个字符串完全匹配才算匹配成功。 说明: s 可能为空&#xff0c;且只包含从 a-…

HtmlAgilityPack/xpath

【转载】HTML解析利器HtmlAgilityPack在网上发现了一个.NET下的HTML解析类库HtmlAgilityPack。HtmlAgilityPack是一个支持用XPath来解析HTML的类库&#xff0c;在花了一点时间学习了解HtmlAgilityPack的API和XPath之后&#xff0c;周公就做了一个简单的工具完成了这个功能&…

特征计算 -获取本周,本月初,本月末,上月同日,本季,本年初,本年末的日期 - (Python、MySQL、Oracle)

数据预处理的过程中&#xff0c;往往需要计算当前日期往前推12个月&#xff08;或者本周&#xff0c;本月&#xff0c;本季&#xff0c;本年&#xff09;中间发生的事情&#xff0c; 因此这里贴上相关处理的代码&#xff1a; Python代码&#xff1a; import datetime from d…

LeetCode 966. 元音拼写检查器(哈希)

1. 题目 在给定单词列表 wordlist 的情况下&#xff0c;我们希望实现一个拼写检查器&#xff0c;将查询单词转换为正确的单词。 对于给定的查询单词 query&#xff0c;拼写检查器将会处理两类拼写错误&#xff1a; 大小写&#xff1a;如果查询匹配单词列表中的某个单词&…

MVVM更容易内存泄露吗?

由于MVVM是把View, ViewModel, Model紧紧绑定在一起的模式&#xff0c;特别视图和视图模型通过实现观察者模式双向绑定和NotifyPropertyChanged事件&#xff0c;似乎更加容易造成内存泄露/内存不释放。网上也有这种说法。真的是这样的吗&#xff1f;我们来实际测试一下。 实际测…