python之算法

python之算法

这个合格程序员还是需要熟练掌握一些算法的，今天主要介绍一些排序算法

递归是算法中一个比较核心的概念，有三个特点，

• 1　调用自身　　

• 2　具有结束条件　　

• 3　代码规模逐渐减少

以下四个函数只有两个为递归

这里需要注意一些 fun3和fun4输出的结果是不一样的

fun3：5，4，3，2，1

fun4：1，2，3，4，5

也只有3和4是递归

这里介绍一个汉诺塔的问题：

def  hanoi(n , A , B , C):
    # n 个盘子从A经过B 到C
    if n >0:
        hanoi（n-1,A , C ,B）
        print("%s --->%S"%(A , C))
        hanoi(n-1 , B , A ,C )

hanoi(4 , A , B ,C)

两个概念：时间复杂度和空间复杂度

时间复杂度：用于体现算法执行时间的快慢，用O表示。一般常用的有：几次循环就为O(n几次方)  循环减半的O(logn)

空间复杂度：用来评估算法内存占用大小的一个式子，通常情况下会选择使用空间换时间

e.g 列表查找：从列表中查找指定元素

　　　　输入：列表、待查找元素

　　　　输出：元素下标或未查找到元素　

　　　　version 1 顺序查找：从列表中的第一个元素开始，顺序进行搜索，直到找到为止，复杂度为O(n)

　　 　   version 2 二分查找：从有序列表中，通过待查值与中间值比较，以减半的方式进行查找，复杂度为O(logn)

　　　　代码如下：　　　　　

list = [1,2,3,4,5,6,7,8,9]
element = 7
def ord_sear(list,element):
    for i in range(0,len(list)):
        if list[i] == element:
            print('list[{0}]={1}'.format(i,element))
            return i
    else:
        print('not found')

def bin_sear(list,element):
    low = 0
    high = len(list)-1
    while low<=high:
        mid = (low+high)//2
        if element == list[mid]:
            print('list[{0}]={1}'.format(mid,element))
            return mid
        elif element > list[mid]:
            low =mid +1
        else:
            high =mid -1
    return None


i = bin_sear(list,element)
j = ord_sear(list,element)

　　二分查找虽然在时间复杂度上优于顺序查找，但是有比较苛刻的条件，即列表必须为有序的。下面将介绍列表排序：

首先介绍的是最简单的三种排序方式：（low B三人组）

• 1 冒泡排序

• 2 选择排序

• 3 插入排序

写一个计算时间的装饰器

import time

def cal_time(func):
    def wrapper(*args , **kwargs):
        t1 = time.time()
        result = func(*args , **kwargs)
        t2 = time.time()
        print("%s running time : %s secs " %(func.__name__ , t2-t1))
        return result
    return wrapper

冒泡排序：时间复杂度:   O(n²)

（思路）：首先，列表每俩个相邻的数，如果前面的比后面的大，那么交换这俩个数.......

from cal_time import cal_time

@cal_time
def bubble_sort(li):
    for i in range(0 , len(li)-1):
        # i 表示第i趟 有序区有i个数
        for j in range(0 , len(li)-i-1):
            if li[j] > li[j+1]:
                li[j],li[j+1] = li[j+1] , li[j]

import random
li = list(range(1000))
random.shuffle(li)
bubble_sort(li)
print(li)

小优化一下

如果冒泡排序中执行一趟而没有交换，则列表已经是有序状态，可以直接结束

def bubble_sort2(li):
    for i in range(0 , len(li)-1):
        # i 表示第i趟 有序区有i个数
        exchange = False
        for j in range(0 , len(li)-i-1):
            if li[j] > li[j+1]:
                li[j],li[j+1] = li[j+1] , li[j]
                exchange = True
        if not exchange:
            return

选择排序：时间复杂度:   O(n²)

一趟遍历记录最小的数，放到第一个位置

再一趟遍历剩下列表中最小的数，继续放置：

from cal_time import cal_time

@cal_time
def select_sort(li):
    for i in range(len(li)-1):
        # 第i趟 ， 有序区li[0:i] 无序区li[i : n]
        min_loc = i
        for j in range(i+1, len(li)):
            if li[min_loc] > li[j]:
                min_loc = j
        li[min_loc], li[i] = li[i], li[min_loc]


import random
li = list(range(10000))
random.shuffle(li)
select_sort(li)
print(li)

插入排序 时间复杂度：   O(n²)

列表被分为有序区和无序区俩个部分，最初的有序区只有一个元素.

每次无序区选择一个元素，插入到有序区的位置，直到无序区变空

from cal_time import cal_time

@cal_time
def insert_sort(li):
    for i in range(1 , len(li)):
        # i 既表达趟数， 又表达摸到排的下标
        j  = i - 1
        tmp = li[i]
        while j >=0 and li[j] > tmp:
            li[j+1] = li[j]
            j = j -1
        li[j + 1] = tmp

import random
li = list(range(10000))
random.shuffle(li)
insert_sort(li)
print(li)

牛逼三人组

• 快速排序
• 堆排序
• 归并排序

快速排序 

快速排序思路

• 取一个元素p（第一个元素），使得元素p归位
• 列表被p分成俩部分，左边都比p小， 右边都比p大
• 递归完成排序

from cal_time import cal_time

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

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


def partition(data , left , right):
    tmp = data[left]
    while left < right:
        while left < right and data[right] >= tmp:
            right -= 1
        data[left] = data[right]
        while left < right and data[left] <= tmp:
            left += 1
        data[right] = data[left]
    data[left] = tmp
    return left


import random
li = list(range(10000))
random.shuffle(li)
quick_sort(li)
print(li)

堆排序

树：

树是一种数据结构（比如目录），树是一种可以递归的数据结构，相关的概念有根节点、叶子节点，树的深度（高度），树的度（最多的节点），孩子节点/父节点，子树等。

在树中最特殊的就是二叉树（度不超过2的树），二叉树又分为满二叉树和完全二叉树，见下图：

 知道了树就可以说说堆了，堆分为大根堆和小根堆，分别的定义为：一棵完全二叉树，满足任一节点都比其孩子节点大或者小。

堆排序过程：

• 建立堆
• 得到堆顶元素，为最大元素
• 去掉堆顶，将堆最后一个元素放到堆顶，此时可以通过一次调整重新使堆变的有序
• 堆顶元素为第二大元素
• 重复步骤3，直到堆变空

from cal_time import cal_time


def sift(li, low, high):
    tmp = li[low]# 原省长
    i = low
    j = 2 * i + 1
    while j <= high: #第二种退出条件： j > high
        if j < high and li[j+1] > li[j]: # 如果左孩子存在大于右孩子
            j += 1
        if tmp < li[j]:
            li[i] = li[j]
            i = j
            j = 2 * i + 1
        else: # 第一种退出条件：li[j] <=tmp
            li[i] = tmp
            break
    li[i] = tmp

@cal_time
def heap_sort(li):
    n = len(li)
    #1 建堆
    for i in range(n // 2 - 1, -1, -1):
        sift(li , 0 , i-1)
    # 2 挨个出数
    for i in range(n-1, -1, -1): #i  表示此时堆的high的位置
        li[0], li[i] = li[i], li[0] # 退休 + 旗子
        sift(li , 0 , i-1)

import random
li = list(range(10000))
random.shuffle(li)
heap_sort(li)
print(li)

内置模块

 归并排序：

假设列表中可以被分成两个有序的子列表，如何将这两个子列表合成为一个有序的列表成为归并

原理

from cal_time import cal_time


# 一次归并
def merge(li , low , mid , high):
    i = low
    j = mid + 1
    ltmp = []
    while i <= mid and j <= high:
        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 <= high:
        j += 1
    li[low:high+1] = ltmp

@cal_time
def merge_sort(li, low , high):
    if low > high:
        mid = (low + high) // 2
        merge_sort(li , low , mid)
        merge_sort(li,mid+1 , high)
        merge(li ,low , mid, high)

快排，堆排，归并的总结：

• 时间复杂度都是O(nlogn)
• 快排<归并<堆排（一般情况）
• 快排的缺点：极端情况效率较低，可到O(n^2),归并则是需要额外的开销，堆排则在排序算法中相对较慢