python算法有哪些_python 常见算法

python虽然具备很多高级模块，也是自带电池的编程语言，但是要想做一个合格的程序员，基本的算法还是需要掌握，本文主要介绍列表的一些排序算法

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

举例：以下四个函数只有两个为递归

func3和func4 但是输出是不同的比如func3(5)输出为5，4，3，2，1func4(5)输出为1，2，3，4，5，有一个递归层级在里面。

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

deford_sear(list,element):for i inrange(0,len(list)):if list[i] ==element:print('list[{0}]={1}'.format(i,element))returnielse:print('not found')defbin_sear(list,element):

low=0

high=len(list)-1while low<=high:

mid= (low+high)//2

if element ==list[mid]:print('list[{0}]={1}'.format(mid,element))returnmidelif element >list[mid]:

low=mid +1

else:

high=mid -1

returnNone

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：

列表排序是编程中一个最基本的方法，应用场景非常广泛，比如各大音乐、阅读、电影、应用榜单等，虽然python为我们提供了许多排序的函数，但我们那排序来作为算法的练习再好不过。

首先介绍的是最简单的三种排序方式：1 冒泡排序 2 选择排序 3 插入排序

冒泡排序：列表中每相邻两个如果顺序不是我们预期的大小排列，则交换。时间复杂度O(n^2)

defbubble(list):

high= len(list)-1 #指定一个最高位

while high>0:for i inrange(0,high):if list[i]>list[i+1]: #如果比下一位大

list[i],list[i+1] = list[i+1],list[i] #交换位置

high -=1 #最高位减1

return list #返回列表

print(bubble(list))

优化一下：

list = [3,1,5,7,8,6,2,0,4,9]defbubble(list):

high= len(list)-1 #定一个最高位

for j in range(high,0,-1):

exchange= False #交换的标志，如果提前排好序可在完整遍历前结束

for i inrange(0,j):if list[i]>list[i+1]: #如果比下一位大

list[i],list[i+1] = list[i+1],list[i] #交换位置

exchange = True #设置交换标志

if exchange ==False:return list #return list #返回列表

print(bubble(list))

选择排序：一趟遍历选择最小的数放在第一位，再进行下一次遍历直到最后一个元素。复杂度依然为O(n^2)

list = [3, 1, 5, 7, 8, 6, 2, 0, 4, 9]defchoice(list):for i in range(0,len(list)):

min_loc=ifor j in range(i+1,len(list)):if list[min_loc]>list[j]: #最小值遍历比较

min_loc =j

list[i],list[min_loc]=list[min_loc],list[i]returnlistprint(choice(list))

插入排序：将列表分为有序区和无序区，最开始的有序区只有一个元素，每次从无序区选择一个元素按大小插到有序区中

list = [3,1,5,7,8,6,2,0,4,9]defcut(list):for i in range(1,len(list)):

temp=list[i]for j in range(i-1,-1,-1): #从有序区最大值开始遍历

if list[j]>temp: #如果待插入值小于有序区的值

list[j+1] = list[j] #向后挪一位

list[j] = temp #将temp放进去

returnlistprint(cut(list))

这三种排序方式时间复杂度都是O(n^2)，不太高效，所以下面介绍几种更高效的排序方式

1 快速排序：好写的排序里最快的，快的排序里最好写的。步骤为1 提取 2 左右分开 3 递归调用

list = [3,1,5,7,8,6,2,0,4,9]

defpartition(left=0,right=len(list)-1,list):

temp=list[left]while left temp: #当右边值较大时，值不动

right -=1list[left]=list[right] #否则移动到左边

while left

left+=1list[right]=list[left]

list[left]=tempreturn left #返回leftright都可以，值是一样的

defquick_sort(left,right,list):

while left

mid = partition(left,right,list) #获取中间位置

quick_sort(left,mid-1,list) #小序列进一步迭代

quick_sort(mid+1,right,list) #大序列进一步迭代

return list #返回列表

print(quick_sort(left,right,list))

快排的时间复杂度最佳情况是O(nlogn)，最差情况是O(n^2)

下面要介绍堆排序了。在介绍堆排序之前先简单提一下树的概念：

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：

二叉树的储存方式有：1 链式储存 2 顺序储存（列表）

父节点和左孩子节点的编号下表的关系为 i --> 2i+1,右孩子则是i --> 2i+2 最后一个父节点为(len(list)//2-1) 由此可以通过父亲找到孩子或相反。

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。

堆排序的过程：

建立堆

得到堆顶元素，为最值

去掉堆顶，将最后一个元素放到堆顶，进行再一次堆排序（迭代）

第二次的堆顶为第二最值

重复3，4直到堆为空

代码为：

list = [3, 1, 5, 7, 8, 6, 2, 0, 4, 9]def sift(low, high, list):#low为父节点，high为最后的节点编号

i =low

j= 2 * i + 1 #子节点位置

temp = list[i] #存放临时变量

while j <= high: #遍历子节点到最后一个

if j < high and list[j] < list[j + 1]:#如果第二子节点大于第一子节点

j += 1

if temp < list[j]: #如果父节点小于子节点的值

list[i] = list[j] #父子交换位置

i = j #进行下一次编号

j = 2 * i + 1

else:break #遍历完毕退出

list[i] = temp #归还临时变量

defheap_sort(list):

n=len(list)for i in range(n // 2 - 1, -1, -1): #从最后一个父节点开始

sift(i, n-1, list)#完成堆排序

for i in range(n - 1, -1, -1):#开始排出数据

list[0], list[i] = list[i], list[0]#首尾交换

sift(0, i - 1, list) #进行新一轮堆排序

returnlistprint(heap_sort(list))

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。

原理如下图：

代码如下：

defmerg(low,high,mid,list):

i=low

j= mid +1list_temp= [] #定义临时列表

while i <=mid and j <=high:if list[i]<=list[j]: #分别比较有序子列表元素的大小

list_temp.append(list[i]) #添加进临时列表中

i +=1

else:

list_temp.append(list[j])

j+=1

while i <=mid:

list_temp.append(list[i])

i+=1

while j <=high:

list_temp.append(list[j])

j+=1list[low:high+1]=list_temp #将已完成排序的列表赋值给原列表相应位置

defmerge_sort(low,high,list):if low

mid= (low+high)//2 #二分法

merge_sort(low,mid,list)

merge_sort(mid+1,high,list)#递归调用，

merg(low,high,mid,list)returnlist

list= [3,1,5,7,8,6,2,0,4,9]print(merge_sort(0,len(list)-1,list))

version2 代码量更少：

defMergeSort(lists):if len(lists) <= 1:returnlists

num= int(len(lists) / 2)

left=MergeSort(lists[:num])

right=MergeSort(lists[num:])returnMerge(left, right)defMerge(left, right):

r, l=0, 0

result=[]while l < len(left) and r

result.append(left[l])

l+= 1

else:

result.append(right[r])

r+= 1result+=right[r:]

result+=left[l:]returnresultprint(MergeSort(list))

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