python中的一些算法

两个基础知识点:递归和时间复杂度

递归

递归函数的特点:自己调用自己,有结束条件,看下面例子:

def fun1(x):
    """无结束条件,报错"""
    print(x)
    fun1(x-1)

def fun2(x):
    """结束条件为错误条件,报错"""
    if x>0:
        print(x)
        fun2(x+1)

def fun3(x):
    """打印倒序"""
    if x>0:
        print(x)
        fun3(x-1)

def fun4(x):
    """打印正序"""
    if x > 0:
        fun4(x-1)
        print(x)

fun3(7)
fun4(7)

结果:

7
6
5
4
3
2
1
*******
1
2
3
4
5
6
7

时间复杂度

用来评估算法运行效率的东西:

print('Hello World')
#时间复杂度:O(1)

for i in range(n):
    '''时间复杂度:O(n)'''
    print('Hello World')

for i in range(n):
    '''时间复杂度:O(n^2)'''
    for j in range(n):
        print('Hello World')
        
for i in range(n):
    '''时间复杂度:O(n^3)'''
    for j in range(n):
        for k in range(n):
            print('Hello World')
            
while n > 1:
    '''时间复杂度:O(log2n)或者O(logn)'''
    print(n)
    n = n // 2  

小结:

• 时间复杂度是用来估算一个算法运行时间的标准
• 一般说来,时间复杂度高的要比时间复杂度低的算法慢
• 常见的复杂度按效率排行:
  O(1) < O(logn) <O(n) <O(nlogn) < O(n^2) < O(n^2 logn) < O(n^3)

那么如何一样判断时间复杂度?

• 循环减半的过程,O(logn)
• 几次循环就是n的几次方的复杂度

列表查找

• 输入:列表或者待查找元素
• 输出:元素下标或者未查到的元素

顺序查找

从元素的第一个开始,按顺序进行查找,直到找到为止

二分查找

从有序列表的候选区data[0:n]开始，通过对待查找的值与候选区中间值的比较，可以使候选区减少一半。

import time

#定义一个计算运行时间的装饰器
def cal_time(func):
    def wrapper(*args,**kwargs):
        t1 = time.time()
        res = func(*args,**kwargs)
        t2 = time.time()
        print('%s:%s'%(func.__name__,t2-t1))
        return res
    return wrapper


#顺序查找
@cal_time
def linear_search(data_set,value):
    for i in range(len(data_set)):
        if data_set[i] == value:
            return i

#二分查找
@cal_time
def bin_search(data_set,value):
    low = 0
    high = len(data_set) - 1
    while low <= high:
        mid = (low + high) // 2
        if data_set[mid] == value:
            return mid
        elif data_set[mid] < value:
            low = mid + 1
        else:
            high = mid - 1


ret = linear_search(list(range(100000)),99999)

ret2 = bin_search(list(range(100000)),99999)

但有个问题:理论上顺序查找的时间复杂度为O(n),二分查找的为O(logn),看结果二分查找的结果为一个科学记数法,相差2个量级.

linear_search:0.009849071502685547
bin_search:1.5974044799804688e-05

列表排序

将无序列表变为有序列表

low逼三人组:冒泡、选择、插入

之前写过：http://www.cnblogs.com/ccorz/p/5581066.html

冒泡

序列中,相邻的两个元素比较大小,如果前面的比后面的元素大,那么交换位置,以此类推...

import random

data = list(range(10000))
random.shuffle(data)


def bubbel_sort(data):
    for i in range(len(data) - 1):
        for j in range(len(data) - i - 1):
            if data[j] > data[j+1]:
                data[j], data[j+1] = data[j+1], data[j]

bubbel_sort(data)
print(data)

冒泡的优化:

如果排序执行了一趟数据没有交换,那么说明列表已经是有序状态,可以直接结束算法:

def bubbel_sort(data):
    for i in range(len(data) - 1):
        exchange = False
        for j in range(len(data) - i - 1):
            if data[j] > data[j+1]:
                data[j], data[j+1] = data[j+1], data[j]
                exchange = True
        if not exchange:
            break

选择

遍历一趟,选择最小的数放到第一个位置,接着遍历剩下的序列,选择其中最小的,放到剩下序列的第一个位置,如此循环.

import random

data = list(range(1000))
random.shuffle(data)

def select_sort(data):
    for i in range(len(data) - 1):
        min_loc = i
        for j in range(i + 1, len(data)):
            if data[j] < data[min_loc]:
                min_loc = j
        if min_loc != i:
            data[i], data[min_loc] = data[min_loc], data[i]

select_sort(data)
print(data)

插入排序

列表被分为有序区和无序区两个部分,并且最初有序区只有一个元素.

import random

data = list(range(1000))
random.shuffle(data)

def insert_sort(data):
    for i in range(1,len(data)):
        tmp = data[i]
        j = i - 1
        while j >= 0 and data[j] > tmp:
            data[j+1] = data[j]
            j -= 1
        data[j+1] = tmp

insert_sort(data)
print(data)

快速排序(简称快排)

好些的算法里最快的,快的排序算法中最好写的。

思路:

• 取第一个元素,是这个元素(P)归位(对的位置)
• 列表被P元素分成两部分
• 递归这两部分列表,以此类推

总结一句话就是:先整理,后递归

import sys, random
#解除python默认递归次数的限制
sys.setrecursionlimit(10000)

data = list(range(1000))
random.shuffle(data)


def quick_sort(data, left, right):
    if left < right:
        mid = partition(data, left, right)
        quick_sort(data, left, mid - 1)
        quick_sort(data, mid + 1, right)


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

quick_sort(data, 0, len(data) - 1)
print(data)

堆排序

二叉树

满二叉树是指这样的一种二叉树：除最后一层外，每一层上的所有结点都有两个子结点。在满二叉树中，每一层上的结点数都达到最大值，即在满二叉树的第k层上有2k-1个结点，且深度为m的满二叉树有2m－1个结点。

完全二叉树是指这样的二叉树：除最后一层外，每一层上的结点数均达到最大值；在最后一层上只缺少右边的若干结点。

二叉树的数据存储

二叉树总结

• 二叉树是不超过2个节点的树
• 满二叉树是完全二叉树,完全二叉树不一定是满二叉树
• 完全二叉树可以用列表来存储,通过规律可以从父亲找到孩子,或从孩子找到父亲

堆

大根堆:一颗完全二叉树,满足任何一节点都比其子节点大
小根堆:一颗完全二叉树,满足任何一节点都比其子节点小

堆排序

堆排序的过程:

1. 建立堆
2. 得到堆顶元素,假设为最大元素
3. 去掉堆顶元素,将最后一个元素放到堆顶,此时可以通过一次调整,重新使堆有序
4. 堆顶元素为第二大元素
5. 重复步骤三

代码:

import sys, random

sys.setrecursionlimit(10000)

data = list(range(100))
random.shuffle(data)


def sift(data,low,high):
    '''堆整理,选出最大的元素'''
    i = low
    j = 2*i+1
    k = j +1
    tmp = data[i]
    while j <= high:
        if j < high and data[j] < data[k]:
            j+=1
        if tmp < data[j]:
            data[i]=data[j]
            i=j
            j=2*i+1
        else:
            break
    data[i]=tmp

def heap_sort(data):
    n = len(data)
    for i in range(n//2-1,-1,-1):
        sift(data,i,n-1)
    for i in range(n-1,-1,-1):
        data[0],data[i]=data[i],data[0]
        sift(data,0,i-1)

heap_sort(data)
print(data)

out:

[0, 1, 2, 3, 12, 5, 4, 6, 7, 8, 25, 9, 10, 11, 17, 23, 13, 73, 29, 14, 15, 19, 40, 28, 44, 64, 30, 27, 18, 16, 21, 70, 22, 20, 31, 24, 34, 32, 33, 26, 35, 36, 39, 46, 37, 41, 38, 42, 86, 45, 43, 51, 62, 47, 49, 75, 72, 54, 50, 48, 57, 63, 68, 56, 87, 60, 67, 59, 55, 78, 58, 61, 69, 52, 53, 80, 83, 65, 89, 66, 94, 91, 71, 82, 92, 90, 77, 81, 74, 84, 95, 76, 85, 88, 93, 79, 96, 98, 97, 99]