当前位置: 首页 > news >正文

数据结构与算法之美 | 排序(2)

归并排序(Merge Sort)

基本思想

如果要排序一个数组,我们先把数组从中间分成前后两部分,然后对前后两部分分别排序,再将排好序的两部分合并在一起,这样整个数组就都有序了。

def merge_sort(array):'''使用归并排序算法对数组进行排序参数:array(list): 待排序数组返回值:array(list): 已排序数组'''if array is None:return []if len(array) == 1:return array# 检查数组长度是否大于1if len(array) > 1:# 将数组分成两半mid = len(array) // 2right_array = array[mid:]left_array = array[:mid]# 递归调用归并排序对左右两半进行排序merge_sort(right_array)merge_sort(left_array)# 初始化左子数组、右子数组和合并后的数组的索引位置left_index = right_index = merge_index = 0# 合并左右两个有序数组while left_index < len(left_array) and right_index < len(right_array):if left_array[left_index] < right_array[right_index]:array[merge_index] = left_array[left_index]left_index += 1else:array[merge_index] = right_array[right_index]right_index += 1merge_index += 1# 在合并排序过程中,左右两个子数组已经是有序的,而剩余的元素必然是较大(或较小)的元素,# 我们需要将它们放入原数组的正确位置以保持整体有序    # 首先,将左侧剩余元素复制到原数组中while left_index < len(left_array):array[merge_index] = left_array[left_index]left_index += 1merge_index += 1# 将右侧剩余元素复制到原数组中while right_index < len(right_array):array[merge_index] = right_array[right_index]right_index += 1merge_index += 1return arrayarray = [6, 5, 12, 10, 9, 1]
print(merge_sort(array)) # Output: [1, 5, 6, 9, 10, 12]

归并排序算法评价

  • 执行效率:最好情况时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn),最坏情况时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn),平均情况时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn)

  • 内存消耗:不是一个原地排序算法,空间复杂度为 O ( n ) O(n) O(n)

  • 稳定性:是一个稳定的排序算法

快速排序(Quick Sort)

基本思想

  • 如果要排序数组中下标从 p 到 r 之间的一组数据,我们选择 p 到 r 之间的任意一个数据作为 pivot(分区点)
  • 我们遍历 p 到 r 之间的数据,将小于 pivot 的放到左边,将大于 pivot 的放到右边,将 pivot 放到中间。
  • 经过这一步骤之后,数组 p 到 r 之间的数据就被分成了三个部分,前面 p 到 q-1 之间都是小于 pivot 的,中间是 pivot,后面的 q+1 到 r 之间是大于 pivot 的。
  • 根据分治、递归的处理思想,我们可以用递归排序下标从 p 到 q-1 之间的数据和下标从 q+1 到 r 之间的数据,直到区间缩小为 1,就说明所有的数据都有序了。

使用Python代码实现:

def partition(arr, low, high):"""将数组划分为两部分,左侧的元素小于等于基准点,右侧的元素大于基准点。参数:arr (list): 待划分的数组low (int): 划分区间的起始索引high (int): 划分区间的结束索引返回:pivot_idx(int): 基准点的索引"""i = low - 1pivot = arr[high]  # 选择最后一个元素作为基准点for j in range(low, high):if arr[j] <= pivot:i += 1# 将小于等于基准点的元素放在左侧arr[i], arr[j] = arr[j], arr[i]# 将基准点放置在正确的位置arr[i + 1], arr[high] = arr[high], arr[i + 1]pivot_idx = i + 1return pivot_idxdef quick_sort(arr, low, high):"""实现一个原地快速排序算法参数:arr (list): 待排序列表low (int): 列表的起始索引high (int): 列表的结束索引返回:None"""if low < high:pivot_index = partition(arr, low, high)quick_sort(arr, low, pivot_index - 1)quick_sort(arr, pivot_index + 1, high)# 测试用例
arr = [6, 5, 12, 10, 9, 1]
quick_sort(arr, 0, len(arr) - 1)
print(arr)

快速排序算法评价

  • 执行效率:最好情况时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn),最坏情况时间复杂度为 O ( n 2 ) O(n^2) O(n2),平均情况时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn)

  • 内存消耗:是一个原地排序算法,空间复杂度为 O ( l o g n ) O(logn) O(logn)

  • 稳定性:不是一个稳定的排序算法

参考文献

  • 王争. 排序(下):如何用快排思想在O(n)内查找第K大元素?极客时间. 2018
http://www.lryc.cn/news/92988.html

相关文章:

  • 【外企面试系列】必备口语短语与例句 - A系列
  • Java使用Opencv进行大图找小图并使用其找图功能进行bilibili视频下载案例
  • 肠道健康从核心菌属开始:肠道菌群的关键
  • 深度学习实战37-NASNet(具有自动搜索能力的神经网络模型)的搭建与实战应用
  • 碳排放预测模型 | Python实现基于机器学习回归分析的碳排放预测模型——随机森林、决策树、KNN 和多层感知器 (MLP) 预测分析
  • 人体检测技术之毫米波雷达
  • “Chain of Thought Reasoning“ 和 “Chain Prompts“ 是什么
  • signal
  • 深度研究微软的资产负债表和财务状况以及未来投资价值
  • Mac电脑删除第三方软件工具CleanMyMac X
  • leetcode174. 地下城游戏(java)
  • 信号与系统复习笔记——傅里叶变换
  • Allegor17.2版本WIN11系统CIS配置提示错误解决方案
  • Java设计模式七大原则-合成聚合复用原则
  • SOFA Weekly|可信基础设施技术分论坛、Layotto 社区会议回顾与预告、社区本周贡献...
  • Melody 监控(四十九)
  • Shell脚本管道符常用搭配命令
  • 基于html+mysql+Spring+mybatis+Springboot的Springboot宠物医院管理系统
  • 算法模板(3):搜索(5):其他
  • AWS CodeWhisperer 心得体会:安装与使用
  • 高级查询 — 子查询
  • 霍夫变换(Hough Transform)
  • 【每日挠头算法题(2)】压缩字符串|仅执行一次字符串交换能否使两个字符串相等
  • V4L2框架解析
  • Trie树模板与应用
  • 【华为OD统一考试B卷 | 200分】跳格子游戏(C++ Java JavaScript Python)
  • 该选哪个语言进修呢?
  • 数据库实验三 数据查询一
  • 【Python百日进阶-Web开发-Peewee】Day244 - 数据库 Postgresql、CockroachDB
  • Vue 中的列表渲染