1、排序算法的稳定性
指经过特定规则进行排序后,两个都满足排序规则,无法判断,哪一个排在前面,哪一个排在后面,这类的元素,如果按照原来的顺序,进行排列,则为稳定,否则为不稳定。
举例, (4,1),(3,1),(3,7),(5,6),我们将这个四个元祖,以第一个元素的大小,从小到大进行排序。那么对于(3,1)和(3,7)而言有两种排列方式
(3,1),(3,7),(4,1),(5,6)这种排序中的(3,1),(3,7)是以原来的顺序进行排列的,称之为稳定。
(3,7),(3,1),(4,1),(5,6)这种改变了原来的排序方式,称之为不稳定。
2、排序算法们
2.1 冒泡排序
冒泡排序的基本思想:
每一个元素都和下一个元素进行比较大小,哪一个元素大就将大的元素向后移动,然后这个大的元素,在和下一个元素进行比较,一次向下进行,直到队列的尾部,这样就找了最大数。
然后开始第二次进行进行上面的步骤,找到第二大的数。依次向下进行。
def bubblesort(sequence):
length = len(sequence) #获取序列的长度
for i in range(length-1): #一共要循环这个序列多少次
#考虑特殊情况 ,就是这个序列本身就是一个有序的,那么对于这个序列来讲,我就没有
#进行过位置互换,所以,当进入循环进行判断后,这个count一遍是一直没有执行的,#
#如果第一次全部比较过后,都没有发生过替换,直接退出即可
count = 0
for j in range(length-1-i): #每一次循环,循环序列中元素的个数
if sequence[j]>sequence[j+1]: #当前元素和后一个元素进行大小判断
sequence[j], sequence[j+1] = sequence[j+1], sequence[j] #进行位置互换
count += 1
if count == 0:
return sequence
return sequence
if __name__ == '__main__':
a = [10,30,15,12,6,9,45,2,6,50]
print(a)
print(bubblesort(a))
2.2 选择排序
def selectsort(sequence):
'''选择排序'''
n = len(sequence) #获取列表的长度
for i in range(n-1): #判断这种逻辑需要多少次
min=i
for j in range(1+i , n-1): #每一次循环,都是取current为最小值,和后面进行判断,找到最小值后,将最小值与当前值位置互换。
if sequence[min] >sequence[j]:
min = j
sequence[i], sequence[min] = sequence[min], sequence[i]
return sequence
print(selectsort([1,10,50,22,12,44,66]))
2.3插入排序
#插入排序与选择排序类似,都输将一个序列分为两个部分,针对插入排序,将前面作为有序部分,将一个元素,作为有序部分的第一个元素,然后从
#第二个元素开始和前面有序中的每一个元素进行循环对比,如果比有序部分的元素小,就交换位置。
def insert_sort(sequence):
n = len(sequence)
for i in range(1, n):
while i>0:
if sequence[i] < sequence[i-1]:
sequence[i-1], sequence[i] = sequence[i], sequence[i-1]
i -=1
else:
break
return sequence
print(insert_sort([1,10,50,22,12,44,66]))
2.4希尔排序
#首先说一下希尔排序的一个思想,希尔排序是一个间隙gap和插入排序的组成。
#首先说他的gap ,他根据gap,将一个序列分成若干个部分
#例如 一个队列[1,10,8,9,33,15,99],加入说gap是3 ,那么分成的[1,10,8],
#[9,33,15], 和[9]这三部分进行对比 ,
# [1,10,8]
# [9,33,15]
# [99]
# 他们进行竖向对比,就是竖向对比的规则就是插入排序。
# 当一次对比完成后,将gap缩小,直到是1,当gap是1的,就完全就是插入排序了。有点鸡肋这个希尔排序
def shell_sort(sequence):
n = len(sequence)
gap = n//2 #获取间隙大小
while gap >= 1:
for i in range(gap, n): #循环多少次 ,这个次数的判断,就看上面我们竖向对比的时候,有一个中间位置, [1] [9] [99]
j =i # [10] [33]
while j>0: # [8] [15]
if sequence[j] < sequence[j-gap]:#那么对我们来说就是从9和你开始做对比,9是第一次,99是最后一次,99对应的下标是n-1,9对应的下标是gap,所以二者相减就是次数
sequence[j-gap], sequence[j] = sequence[j], sequence[j-gap]
j -= gap
gap = gap//2
return sequence
print(shell_sort([1,10,50,22,12,44,66]))
2.5
快速排序,使用递归实现快排
#使用递归,重要的思想有三点,
1、递归必须要有一个基线条件(就是终止递归的条件),一般像线性表这种数据结构,
递归条件就表中的元素为1或者为空。
2、就是排序算法本身,先取列表中一个元素为中间元素,循环整个列表,将大于当前元素,放入一个新的列表,然后在将小于这个元素放入一个列表。然后将列表中不断按照这种原则进行一个分拆,最后,在将这些列表相加在一起。
3、关于为什么,递归能够获取之前函数的值,因为递归会产生调用栈,每一次递归都会在栈中保存,上一次函数调用的变量的值。
def quick_sort(sequence):
if len(sequence)==0:
return sequence
else:
middle = sequence[0]
min = [i for i in sequence[1::] if i < middle]
max = [i for i in sequence[1::] if i > middle]
return quick_sort(min) + [middle] + quick_sort(max)
print(quick_sort([33,10,50,22,12,44,66,55,999,24]))
2.6 merge_sort
'''
归并排序的思想是,将sequence,均分成两个部分,直接将每一个部分,都分成,只有一个元素位置
例如 [10,8,22,15] ,先分成[10,8],[22,15]然后在将这个两个数组在划分,[10,8]划分成[10],[8]到达这种状态。
分成每一个部分都只有一个元素后,就开始对比合并 ,首先我们看[10],[8],两个对比,[8],将先8放入到一个空数组中
然后在和[10]merge ,筒体[22,15】重复上述操作,合并成了[15,22] ,这时候[8,10]和[15,22]在开始合并,
先将每一个数组中的第一个元素进行对比,小的先放到一个数组中,然后在拿这个数和[10]比较,如果还是10小,就将10也
放到这个列表中,然后在将[8,10]和[15,22]合并,最后就是一个有序的序列了
'''
def mergesort(sequence):
'''归并排序'''
if len(sequence)==1:
return sequence
n = len(sequence)
middle = n // 2
left_li = mergesort(sequence[:middle])
right_li = mergesort(sequence[middle:])
res = []
left_cursor, right_cursor=0, 0
while left_cursor
二、 树
有序树
1、 二叉树
1.1完全二叉树
1.2
2、霍夫曼树
3、B树
下面所有的代码都是基于二叉树实现,都是为了实现一个满二叉树
2、1 二叉树添加节点及,广度serversal
class Node(object):
'''树节点'''
def __init__(self, ele):
self._ele = ele
self.left_node = None
self.right_node = None
class Tree(object):
def __init__(self):
self.__root = None
def add(self, item):
'''添加节点,通过层级遍历,实现二叉树'''
node = Node(item)
if self.__root is None:
self.__root = node
return
queue = [self.__root] #先将跟节点放入队列中
while queue:
cur_node = queue.pop(0)
if cur_node.left_node is None:
cur_node.left_node = node
return
else:
queue.append(cur_node.left_node)
if cur_node.right_node is None:
cur_node.right_node = node
return
else:
queue.append(cur_node.right_node)
def leveltraversal(self):
queue = []
queue = [self.__root] # 先将跟节点放入队列中
while queue:
cur_node = queue.pop(0)
print(cur_node._ele)
if cur_node.left_node is None:
pass
else:
queue.append(cur_node.left_node)
if cur_node.right_node is None:
pass
else:
queue.append(cur_node.right_node)
if __name__ == '__main__':
tree = Tree()
for i in range(10):
tree.add(i)
tree.leveltraversal()
二叉树纵向遍历,分为三中分别是前序、中序、后序。这三种遍历的区别在遍历顺序前序是根节点 - 左边的节点 - 右边的节点 , 中序是 左边的节点 - 根节点 - 右边的节点 , 后序是做节点 - 右节点 - 根节点。(这个根节点如果是子树,对应的就是父节点)
这个要注意的是在纵向遍历时,如果向下遍历的节点,不是叶节点,也就是对应的仍然是一个子树,那么就要按照遍历规则,继续向下遍历。这些遍历利用了递归的思想。
class Node(object):
'''树节点'''
def __init__(self, ele):
self._ele = ele
self.left_node = None
self.right_node = None
class Tree(object):
def __init__(self):
self.root = None
def add(self, item):
'''添加节点,通过层级遍历,实现二叉树'''
node = Node(item)
if self.root is None:
self.root = node
return
queue = [self.root] #先将跟节点放入队列中
while queue:
cur_node = queue.pop(0)
if cur_node.left_node is None:
cur_node.left_node = node
return
else:
queue.append(cur_node.left_node)
if cur_node.right_node is None:
cur_node.right_node = node
return
else:
queue.append(cur_node.right_node)
def leveltraversal(self):
queue = []
queue = [self.root] # 先将跟节点放入队列中
while queue:
cur_node = queue.pop(0)
print(cur_node._ele)
if cur_node.left_node is None:
pass
else:
queue.append(cur_node.left_node)
if cur_node.right_node is None:
pass
else:
queue.append(cur_node.right_node)
def prevtraversal(self, node):
'''先序'''
if node is None:
return
print(node._ele, end='')
print('')
self.prevtraversal(node.left_node)
self.prevtraversal(node.right_node)
def infixtraversal(self, node):
'''中序'''
if node is None:
return
self.infixtraversal(node.left_node)
print(node._ele, end='')
print('')
self.infixtraversal(node.right_node)
def postordertraversal(self, node):
'''后序'''
if node is None:
return
self.postordertraversal(node.left_node)
self.postordertraversal(node.right_node)
print(node._ele, end='')