python算法

快速排序 快速排序是一种递归调用的方法，思想是根据一个基准值，将数组比基准值小的放在左边，比基准值大的放在右边。运用了分而治之的思想，最后将三部份合并即可得到最终的有序数组 代码实现： def quickSort ( arr ) : if len ( arr ) < 2 : return arr leftarr = [ ] rightarr = [ ] item = arr [ 0 ] for i in range ( 1 , len ( arr ) ) : if arr [ i ] <= item : leftarr . append ( arr [ i ] ) else : rightarr . append ( arr [ i ] ) return quickSort ( leftarr ) + [ item ] + quickSort ( rightarr ) 代码验证： list_test = [ 3 , 5 , 10 , 2 , 1 , 7 , 6 , 8 ] print ( quickSort ( list_test ) ) list_test = [ 3 , 0 , 10 , - 1 , 1 , 7 , 6 , 100 , 20 , 31 ] print ( quickSort ( list_test ) ) 来源： CSDN 作者： Robot647 链接：

文章目录 4.1. 栈结构实现 栈结构实现 栈的操作 4.1. 栈结构实现 栈结构实现 栈可以用顺序表实现，也可以用链表实现。 栈的操作 Stack() 创建一个新的空栈 push(item) 添加一个新的元素item到栈顶 pop() 弹出栈顶元素 peek() 返回栈顶元素 is_empty() 判断栈是否为空 size() 返回栈的元素个数 class Stack ( object ) : """栈""" def __init__ ( self ) : self . items = [ ] def is_empty ( self ) : """判断是否为空""" return self . items == [ ] def push ( self , item ) : """加入元素""" self . items . append ( item ) def pop ( self ) : """弹出元素""" return self . items . pop ( ) def peek ( self ) : """返回栈顶元素""" return self . items [ len ( self . items ) - 1 ] def size ( self ) : """返回栈的大小""" return len ( self . items ) if __name__ =

文章目录 数据结构与算法（Python） Why？ 数据结构与算法（Python） Python数据结构与算法 1. 引入概念 1.1. 第一次尝试 1.2. 算法的提出 1.3. 第二次尝试 1.4. 算法效率衡量 1.5. 算法分析 1.6. 常见时间复杂度 1.7. Python内置类型性能分析 1.8. 数据结构 2. 顺序表 2.1. 顺序表的形式 2.2. 顺序表的结构与实现 2.3. 顺序表的操作 2.4. Python中的顺序表 3. 链表 3.1. 单向链表 3.2. 单项循环链表 3.3. 双向链表 4. 栈 4.1. 栈结构实现 5. 队列 5.1. 队列的实现 5.2. 双端队列 6. 排序与搜索 6.1. 冒泡排序 6.2. 选择排序 6.3. 插入排序 6.4. 快速排序 6.5. 希尔排序 6.6. 归并排序 6.7. 常见排序算法效率比较 6.8. 搜索 7. 树与树算法 7.1. 二叉树 7.2. 二叉树的遍历 Why？ 我们举一个可能不太恰当的例子： 如果将最终写好运行的程序比作战场，我们码农便是指挥作战的将军，而我们所写的代码便是士兵和武器。 那么数据结构和算法是什么？答曰：兵法！ 我们可以不看兵法在战场上肉搏，如此，可能会胜利，可能会失败。即使胜利，可能也会付出巨大的代价。我们写程序亦然：没有看过数据结构和算法，有时面对问题可能会没有任何思路

文章目录 5.1. 队列的实现 队列的实现 操作 5.1. 队列的实现 队列的实现 同栈一样，队列也可以用顺序表或者链表实现。 操作 Queue() 创建一个空的队列 enqueue(item) 往队列中添加一个item元素 dequeue() 从队列头部删除一个元素 is_empty() 判断一个队列是否为空 size() 返回队列的大小 class Queue(object): """队列""" def __init__(self): self.items = [] def is_empty(self): return self.items == [] def enqueue(self, item): """进队列""" self.items.insert(0,item) def dequeue(self): """出队列""" return self.items.pop() def size(self): """返回大小""" return len(self.items) if __name__ == "__main__": q = Queue() q.enqueue("hello") q.enqueue("world") q.enqueue("itcast") print q.size() print q.dequeue() print q.dequeue() print

文章目录 5.2. 双端队列 双端队列 操作 实现 5.2. 双端队列 双端队列 双端队列（deque，全名double-ended queue），是一种具有队列和栈的性质的数据结构。 双端队列中的元素可以从两端弹出，其限定插入和删除操作在表的两端进行。双端队列可以在队列任意一端入队和出队。 操作 Deque() 创建一个空的双端队列 add_front(item) 从队头加入一个item元素 add_rear(item) 从队尾加入一个item元素 remove_front() 从队头删除一个item元素 remove_rear() 从队尾删除一个item元素 is_empty() 判断双端队列是否为空 size() 返回队列的大小 实现 class Deque ( object ) : """双端队列""" def __init__ ( self ) : self . items = [ ] def is_empty ( self ) : """判断队列是否为空""" return self . items == [ ] def add_front ( self , item ) : """在队头添加元素""" self . items . insert ( 0 , item ) def add_rear ( self , item ) : """在队尾添加元素""" self

文章目录 6. 排序与搜索 排序与搜索 排序算法的稳定性 6. 排序与搜索 排序与搜索 排序算法（英语：Sorting algorithm）是一种能将一串数据依照特定顺序进行排列的一种算法。 排序算法的稳定性 稳定性 ：稳定排序算法会让原本有相等键值的纪录维持相对次序。也就是如果一个排序算法是稳定的，当有两个相等键值的纪录R和S，且在原本的列表中R出现在S之前，在排序过的列表中R也将会是在S之前。 当相等的元素是无法分辨的，比如像是整数，稳定性并不是一个问题。然而，假设以下的数对将要以他们的第一个数字来排序。 (4, 1) (3, 1) (3, 7)（5, 6） 在这个状况下，有可能产生两种不同的结果，一个是让相等键值的纪录维持相对的次序，而另外一个则没有： (3, 1) (3, 7) (4, 1) (5, 6) （维持次序） (3, 7) (3, 1) (4, 1) (5, 6) （次序被改变） 不稳定排序算法可能会在相等的键值中改变纪录的相对次序，但是稳定排序算法从来不会如此。不稳定排序算法可以被特别地实现为稳定。作这件事情的一个方式是人工扩充键值的比较，如此在其他方面相同键值的两个对象间之比较，（比如上面的比较中加入第二个标准：第二个键值的大小）就会被决定使用在原先数据次序中的条目，当作一个同分决赛。然而，要记住这种次序通常牵涉到额外的空间负担。 来源： CSDN 作者：

文章目录 6.1. 冒泡排序 冒泡排序 冒泡排序的分析 时间复杂度 冒泡排序的演示 6.1. 冒泡排序 冒泡排序 冒泡排序 （英语：Bubble Sort）是一种简单的排序算法。它重复地遍历要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。遍历数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。 冒泡排序算法的运作如下： 比较相邻的元素。如果第一个比第二个大（升序），就交换他们两个。 对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。 针对所有的元素重复以上的步骤，除了最后一个。 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。 冒泡排序的分析 交换过程图示(第一次)： 那么我们需要进行n-1次冒泡过程，每次对应的比较次数如下图所示： def bubble_sort ( alist ) : for j in range ( len ( alist ) - 1 , 0 , - 1 ) : # j表示每次遍历需要比较的次数，是逐渐减小的 for i in range ( j ) : if alist [ i ] > alist [ i + 1 ] : alist [ i ] , alist [ i + 1 ] =

文章目录 6.2. 选择排序 选择排序 选择排序分析 时间复杂度 选择排序演示 6.2. 选择排序 选择排序 选择排序（Selection sort）是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。 选择排序的主要优点与数据移动有关。如果某个元素位于正确的最终位置上，则它不会被移动。选择排序每次交换一对元素，它们当中至少有一个将被移到其最终位置上，因此对n个元素的表进行排序总共进行至多n-1次交换。在所有的完全依靠交换去移动元素的排序方法中，选择排序属于非常好的一种。 选择排序分析 排序过程： 红色表示当前最小值，黄色表示已排序序列， 蓝色表示当前位置。 def selection_sort ( alist ) : n = len ( alist ) # 需要进行n-1次选择操作 for i in range ( n - 1 ) : # 记录最小位置 min_index = i # 从i+1位置到末尾选择出最小数据 for j in range ( i + 1 , n ) : if alist [ j ] < alist [ min_index ] : min_index = j # 如果选择出的数据不在正确位置

文章目录 6.3. 插入排序 插入排序 插入排序分析 时间复杂度 插入排序演示 6.3. 插入排序 插入排序 插入排序（英语：Insertion Sort）是一种简单直观的排序算法。它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。插入排序在实现上，在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间。 插入排序分析 def insert_sort ( alist ) : # 从第二个位置，即下标为1的元素开始向前插入 for i in range ( 1 , len ( alist ) ) : # 从第i个元素开始向前比较，如果小于前一个元素，交换位置 for j in range ( i , 0 , - 1 ) : if alist [ j ] < alist [ j - 1 ] : alist [ j ] , alist [ j - 1 ] = alist [ j - 1 ] , alist [ j ] alist = [ 54 , 26 , 93 , 17 , 77 , 31 , 44 , 55 , 20 ] insert_sort ( alist ) print ( alist ) 时间复杂度 最优时间复杂度：O(n) （升序排列，序列已经处于升序状态） 最坏时间复杂度：O(n2) 稳定性：稳定

文章目录 6.4. 快速排序 快速排序 快速排序的分析 时间复杂度 快速排序演示 6.4. 快速排序 快速排序 快速排序（英语：Quicksort），又称划分交换排序（partition-exchange sort），通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。 步骤为： 从数列中挑出一个元素，称为"基准"（pivot）， 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区结束之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。 递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会结束，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。 快速排序的分析 def quick_sort ( alist , start , end ) : """快速排序""" # 递归的退出条件 if start >= end : return # 设定起始元素为要寻找位置的基准元素 mid =