排序算法(python)- 插入排序和谢尔排序

2024-01-27 09:20

本文主要是介绍排序算法(python)- 插入排序和谢尔排序,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 插入排序
  • LeetCode剑指 Offer 45. 把数组排成最小的数
  • 谢尔排序


插入排序

插入排序的思路与冒泡排序、选择排序不同,时间复杂度却是O(n^2)。
在这里插入图片描述

插入排序维持一个已经排好的子列表在列表的前部,然后逐渐扩大这个子列表直到全表。

  1. 第一步,子列表包含第一项数据,将第二项作为新项与第一项比较,放到合适位置,这样一排好的就有两项了;
  2. 再将第三项与前两项比较,并移动比自身大的数据项,空出来位置,以便加入到子列表中;
  3. 经过n-1次比对和插入,已排好的子列表扩展到全表,排序完成。
    在这里插入图片描述
def Insert_Sort(alist):n = len(alist)for i in range(1,n):cur = alist[i]j = iwhile j > 0 and alist[j-1] > cur:alist[j] = alist[j-1]j -= 1alist[j] = curreturn alisttest_list = [54,2,1,77,100,15,12,18]
print(Insert_Sort(test_list))

最好的情况,就是列表已经拍好序的时候,每次仅需要一次比对,总次数就是O(n)。

LeetCode剑指 Offer 45. 把数组排成最小的数

在这里插入图片描述

def com(x,y):x, y = str(x), str(y)if int(x + y) < int(y + x):return Trueelse:return Falsedef min_Number(nums):for i in range(1, len(nums)):cur = nums[i]j = i - 1#改变了比较的条件while j >= 0 and com(cur, nums[j]):nums[j + 1] = nums[j]j -= 1nums[j + 1] = curres = ''.join(map(str, nums))return res
test_list = [3,30,34,5,9]
print(min_Number(test_list))
输出:
3033459

谢尔排序

我们注意到插入排序的比对次数,在最好的情况下是O(n),是在列表有序的情况下,实际上列表越接近有序,插入排序的比对次数就越少。

希尔排序,也称递减增量排序算法,是插入排序的一种更高效的改进版本。

希尔排序的基本思想是:先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序,待整个序列中的记录"基本有序"时,再对全体记录进行依次直接插入排序。

子列表的间隔一般从n/2开始,每趟倍增:n/4,n/8,……直到1。
在这里插入图片描述

def Shell_Sort(alist):sub_count = len(alist) // 2 #间隔设定while sub_count > 0:for start in range(sub_count):gap_insert_sort(alist, start, sub_count)print(sub_count, alist)sub_count = sub_count // 2return alistdef gap_insert_sort(alist, start, gap):for i in range(start+gap, len(alist), gap):cur = alist[i]j = iwhile j >= gap and alist[j-gap] > cur:alist[j] = alist[j-gap]j -= gapalist[j] = curtest_list = [54,2,1,77,100,15,12,18]
print(Shell_Sort(test_list))
输出:
4 [54, 2, 1, 18, 100, 15, 12, 77]
2 [1, 2, 12, 15, 54, 18, 100, 77]
1 [1, 2, 12, 15, 18, 54, 77, 100]
[1, 2, 12, 15, 18, 54, 77, 100]

谢尔排序是以插入排序为基础的,但是由于每次都使得列表更接近有序,所以过程中会减少很多原先的无效的比对。
谢尔排序的复杂度比较特殊,介于O(n)和O(n^2)之间。

这篇关于排序算法(python)- 插入排序和谢尔排序的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/649794

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss