3、计数排序，电影top100

  1、计数排序

# -*- coding: utf-8 -*-
# @Time    : 2018/07/31 0031 11:32
# @Author  : Venicid

def count_sort(li, max_num):
    count = [0 for i in range(max_num + 1)]
    for num in li:
        count[num] += 1
    i = 0
    for num, m in enumerate(count):
        for j in range(m):
            li[i] = num
            i += 1

import random
data = []
for i in range(100000):
    data.append(random.randint(0,100))

count_sort(data, 100)
print(data)

 

 计数排序这么快，为什么不用计数排序呢？因为他是有限制的，你要知道列表中的最大数

如果一下来了一个很大的数，比如10000，那么占的空间就的这么大，

计数排序占用的空间和列表的范围有关系

解决这种问题的方法，可以用桶排序，都放进去可以在进行其他的排序。比如插入排序。

 2、TOP10榜单：topk

　　（1）方式1：思路：插入排序  O(kn)

　　

# -*- coding: utf-8 -*-
# @Time    : 2018/07/31 0031 11:59
# @Author  : Venicid


def insert(li, i):
    """一次insert"""
    tmp = li[i]
    j = i - 1
    while j >= 0 and li[j] > tmp:
        li[j + 1] = li[j]
        j = j - 1
    li[j + 1] = tmp


def insert_sort(li):
    for i in range(1, len(li)):  # 从第二个位置，即下标为1的元素开始向前插入
        insert(li,i)

def topk(li, k):
    top = li[0:k + 1]      # top10, 多开辟一个存放，新进来的数据
    insert_sort(top)
    for i in range(k + 1, len(li)):
        top[k] = li[i]
        insert(top, k)
    return top[:-1]     # 去掉最后一个

import random
data = list(range(20))
topk_ = random.shuffle(data)
print(data)


print(topk(data, 10))

 

　　（2）方式2：堆的应用：nlogk

 

 　　　　　　　　　　

def sift(data, low, high):
    """调整"""
    i = low  # 父亲的位置
    j = 2 * i + 1  # 孩子的位置
    tmp = data[i]  # 原省长退休
    while j <= high:  # 孩子在堆里
        if j + 1 <= high and data[j] < data[j + 1]:  # if右孩子存在且右孩子更大
        # if j + 1 <= high and data[j] > data[j + 1]:  # if右孩子存在且右孩子更大
            j += 1
        if data[j] > tmp:  # 孩子比最高领导大
        # if data[j] < tmp:  # 孩子比最高领导大
            data[i] = data[j]  # 孩子上移一层
            i = j  # 孩子成为新父亲
            j = 2 * i + 1  # 新孩子
        else:
            break
    data[i] = tmp  # 省长放到对应的位置上（村民/叶子节点）


def topn(li, n):
    heap = li[0:n]
    # 建堆
    for i in range(n // 2 - 1, -1, -1):
        sift(heap, i, n - 1)

    # 遍历
    for i in range(n, len(li)):
        if li[i] < heap[0]:
        # if li[i] > heap[0]:
            heap[0] = li[i]
            sift(heap, 0, n - 1)
    for i in range(n - 1, -1, -1):  # i指向堆的最后
        heap[0], heap[i] = heap[i], heap[0]  # 领导退休，刁民上位
        sift(heap, 0, i - 1)  # 调整出新领导
    return heap


import random

data = list(range(20))
topk_ = random.shuffle(data)
print(data)

print(topn(data, 10))

 

 3、heapq实现堆排序

python官方文档

https://docs.python.org/3/library/index.html

 

 

# -*- coding: utf-8 -*-
# @Time    : 2018/07/31 0031 15:07
# @Author  : Venicid


import heapq
import random

h = []
data = list(range(10000))
random.shuffle(data)
# heapq.heappush(h,1)   # [1]

# 生成小栈堆
for num in data:
    heapq.heappush(h, num)
print(h)   #[0, 1, 2, 4, 3, 5, 7, 8, 6, 17,

# 出数
for i in range(len(h)):
    print(heapq.heappop(h))

# top最大 top最小的
print(heapq.nsmallest(10, data))
print(heapq.nlargest(10, data))