高级算法
什么是算法？
算法（Algorithm）：一个计算过程，解决问题的方法。
输入→算法→输出
时间复杂度
时间复杂度：用来评估算法运行效率的一个东西。
print('Hello World') #假如说这行代码运行时间是一个单位O(1)
for i in range(n): # 这段代码的时间是O(n),因为执行了n次 print('Hello World')
for i in range(n): # 这段代码是O(n*n),因为在执行了n*n次 for j in range(n): print('Hello World')
for i in range(n): #这代码是O(n*n*n),执行了n的立方次 for j in range(n): for k in range(n): print('Hello World')
小结：
时间复杂度是用来估计算法运行时间的一个式子（单位）。 一般来说，时间复杂度高的算法比复杂度低的算法慢。 常见的时间复杂度（按效率排序）： O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n2logn)<O(n3) 不常见的时间复杂度（看看就好） O(n!) O(2n) O(nn) …
空间复杂度
空间复杂度：用来评估算法内存占用大小的一个式子
空间换时间：分给它一些空间或内存，让它运行速度更快
递归
递归的两个特点：
1.调用自身
2.有结束条件
def func(x): if x>0: print(x) func(x-1) print(4) # 打印结果 4 3 2 1 #因为先打印再递归
def func(x): if x > 0: func(x-1) print(x) func(4) # 打印结果 1 2 3 4 # 因为先递归，再打印
打印 抱着抱着抱着抱着抱着我的小鲤鱼的我的我的我的我的我
def test(n): if n == 0: print("我的小鲤鱼", end='') else: print("抱着", end='') test(n-1) print("的我", end='') test(5) # 尾递归
汉诺塔问题
t = 0 def hanoi(n, A, B, C): global t if n > 0: hanoi(n-1, A, C, B) t += 1 print("%s -> %s" % (A, C)) hanoi(n-1, B, A, C) # hanoi(8,'A','B','C') # 8表示8层 A B C 参数不能变 # print(t)
列表查找
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
顺序查找
顺序查找：从列表第一个元素开始，顺序进行搜索，直到找到为止。
二分查找：从有序列表的候选区data[0:n]开始，通过对待查找的值与候选区中间值的比较，可以使候选区减少一半。
有序列表，列表的元素值随着索引值的增加而增加：
简单版二分查找
def bin_search(li, val): # li是传入的列表 val是要查找的值 low = 0 # low是起始的索引值 high = len(li) - 1 # high是末尾的索引值 while low <= high: # 满足起始索引小于末尾索引的条件就执行循环 mid = (low + high) // 2 # mid是列表的中间数的索引 if li[mid] == val: # 正好找到要查找的值的索引 return mid elif li[mid] < val: # 中间数的值小于被查找的值 low = mid + 1 # 说明val在中间数的右边 else: high = mid - 1 # 说明val在中间数的左边
递归版的二分查找 这是尾递归
def bin_search_rec(data_set, value, low, high): if low <= high: mid = (low + high) // 2 if data_set[mid] == value: return mid elif data_set[mid] > value: return bin_search_rec(data_set, value, low, mid - 1) else: return bin_search_rec(data_set, value, mid + 1, high) else: return
列表排序
列表排序：将无序列表变成有序列表
输入：无序列表
输出：有序列表
顺序：升序与倒序
排序low B 三人组;
冒泡排序 其次最多 O(n*n)
选择排序 O(n*n)
插入排序
排序niu B 三人组：
快速排序 用得最多
堆排序 最难的
归并排序
冒泡排序
冒泡排序：两层遍历，相邻的两个值，如果左边的数大于右边的数，则交换位置。
li = [1, 2, 1, 3, 1, 4, 5, 4, 6, 7, 6, 8, 4, 5, 3, 2]
def bubble_sort(li):
for i in range(len(li)-1, 0, -1):
for k in range(i):
if li[k] > li[k+1]:
li[k], li[k+1] = li[k+1], li[k]
return li
print(bubble_sort(li))
选择排序
选择排序：遍历一趟记录最小的数，放到第一位。再遍历剩下的数，找的最小的数，继续放置。
关键点：无序区和最小数的位置。
li = [1, 2, 1, 3, 1, 4, 5, 4, 6, 7, 6, 8, 4, 5, 3, 2]
def select_sort(li):
for i in range(len(li) - 1): # 总趟数可以是len(li)次，也可以是len(li)-1次，因为倒数第二趟结束的时候，列表已经排序完成。
# i表示趟数，也表示无序区的第一个数 min_loc = i # for j in range(i+1, len(li)): if li[j] < li[min_loc]: # 每趟都把最小的数放到无序区第一个位置 min_loc = j li[min_loc], li[i] = li[i], li[min_loc] # 有序区会多一个数，无序区会少一个数。接下来下一趟开始 return li print(select_sort(li))
插入排序：
列表被分为有序区和无序区两个部分。最初有序区只有一个元素。
每次从无序区选择一个元素，插入到有序区的位置，直到无序区变空。
代码关键点：如何找到无序区数，如何插到有序区中。
li = [1, 2, 1, 3, 1, 4, 5, 4, 6, 7, 6, 8, 4, 5, 3, 2]
def insert_sort(li):
for i in range(1,len(li)): # 无序区的范围，第一次无序区只有列表的第一个数，所以无序区范围就是range(1,len(li))
# i表示摸到的牌的位置
tem = li[i]
j = i - 1 # j表示有序区的最后面的一个数，j也表示有序区用来和i进小红比较的数
# 如果有序区的这个用来比较的值比tem大，则用索引为j-1的值继续比较.
# 如果tem这个值比有序区的所有数都小，这是索引是-1，表示找到位置，并退出while循环并插入
while j >= 0 and li[j] > tem:
li[j+1], li[j] = li[j], li[j+1] # 把tem的值往j的位置移
j -= 1 # 往前看
# 如果有序区的数比tem小，表示找到位置，就插入
li[j+1] = tem
return li
print(insert_sort(li))
插入排序优化：应用二分查找来寻找插入点（并没有什么卵用）
快速排序
快速排序：取一个元素p（第一个元素），使元素p归位，列表被p元素分为两部分，左边都比p小，右边都比p大，然后递归完成排序。
li = [1, 2, 1, 3, 1, 4, 5, 4, 6, 7, 6, 8, 4, 5, 3, 2]
def partition(li, left, right):
tem = li[left] # 第一次取第一个元素left = 0
while left < right: # 列表里至少两个元素才满足这个条件
while left < right and li[right] >= tem: # 从右边边找小于tem的数
right -= 1 # 如果不小于，继续找
li[left], li[right] = li[right], li[left] # 找到比tem小的数，挪到左边
while left < right and li[left] <= tem: # 从左边找比tem大的数
left += 1
li[right], li[left] = li[left], li[right]
li[left] = tem
return left # 这里返回left和right是一样的
def quick_sort(li, left, right):
if left < right: # 列表里至少两个元素才满足这个条件
mid = partition(li, left, right)
quick_sort(li, left, mid-1) # 递归
quick_sort(li, mid+1, right) # 递归
return 111
quick_sort(li, 0, len(li)-1)
print(li)
快排的最坏情况：列表是倒序的[9,8,7,6,5,4,3,2,1,0]
堆排序
树是一种数据结构 比如：目录结构
树是一种可以递归定义的数据结构
树是由n个节点组成的集合：
如果n=0，那这是一棵空树；
如果n>0，那存在1个节点作为树的根节点，其他节点可以分为m个集合，每个集合本身又是一棵树。
一些概念
根节点：没有父节点的是根节点
叶子节点：没有子节点的是叶子节点
树的深度（高度）：几层就是几
树的度：就是他有几个节点(A有6个节点，度就是6。j的是2。f的是3。整个树的度，就是最大的度。)
孩子节点/父节点：A是B的父节点，B是A的孩子节点
子树：任何一个节点和它的孩子节点就是一个子树，没有孩子节点他也是一个树。
二叉树：度不超过2的树（节点最多有两个叉）
B是A的左孩子，C是A的右孩子
满二叉树：一个二叉树，如果每一个层的结点数都达到最大值，则这个二叉树就是满二叉树。
完全二叉树：叶节点只能出现在最下层和次下层，并且最下面一层的结点都集中在该层最左边的若干位置的二叉树。
二叉树的存储方式
链式存储方式
顺序存储方式（列表）
大根堆：一棵完全二叉树，满足任一节点都比其孩子节点大
小根堆：一棵完全二叉树，满足任一节点都比其孩子节点小
堆未完待续。。。。。。
归并排序
假设现在的列表分两段有序，如何将其合成为一个有序列表
分别从两个有序的片段取值，按从小到大的顺序取值。先比较两个片段的最小值，谁小就取出来。
所以顺序是1-2-3-4-5-6，将6取出来后，右边的片段没值了，就将左边剩下的片段一次性取出来7-8-9。
然后就组合成一个新的有序列表了。
这种操作称为一次归并
def merge(li, low, mid, high): # high是右边片段最后一个数的索引 li_tem = [] i = low # low是左边片段第一个数的索引 j = mid + 1 # mid是左边片段最大的数的索引 while i <= mid and j <= high: # 如果左右两个片段都有值，就继续取值。只要其中一个片段没值，就跳出循环。 if li[i] < li[j]: # 如果左边片段的最小值小于右边的最小值 li_tem.append(li[i]) # 就将最小的那个值取出来放到一个列表中。 i += 1 # 然后继续比较剩下的最小值 else: # 反之，就是右边的最小值小于左边的最小值 li_tem.append(li[j]) j += 1 # 然后继续比较剩下的最小值 # 跳出第一个while循环的条件是：如果左边的片段取完了，其索引i不小于mid了 # 如果右边的片段取完了，其索引j就不小于high了 # 下面的两个while循环只可能有一个执行 while i <= mid: # 这里是左偏片段还有值 li_tem.append(li[i]) i += 1 # 继续添加到列表中 while j <= high: # 这里是右边片段还有值 li_tem.append(li[j]) j += 1 # 继续添加到列表中 li[low:high+1] = li_tem # 将li_tem copy给li li = [2, 5, 7, 8, 9, 1, 3, 4, 6] merge(li, 0, 4, len(li)-1) print(li)
如果不是两端有序列表怎么用归并，加上递归就可以了。
先把列表分解，然后合并。下半段的每一步操作都是一个归并。
归并排序
def merge(li, low, mid, high): # high是右边片段最后一个数的索引 li_tem = [] i = low # low是左边片段第一个数的索引 j = mid + 1 # mid是左边片段最大的数的索引 while i <= mid and j <= high: # 如果左右两个片段都有值，就继续取值。只要其中一个片段没值，就跳出循环。 if li[i] < li[j]: # 如果左边片段的最小值小于右边的最小值 li_tem.append(li[i]) # 就将最小的那个值取出来放到一个列表中。 i += 1 # 然后继续比较剩下的最小值 else: # 反之，就是右边的最小值小于左边的最小值 li_tem.append(li[j]) j += 1 # 然后继续比较剩下的最小值 # 跳出第一个while循环的条件是：如果左边的片段取完了，其索引i不小于mid了 # 如果右边的片段取完了，其索引j就不小于high了 # 下面的两个while循环只可能有一个执行 while i <= mid: # 这里是左偏片段还有值 li_tem.append(li[i]) i += 1 # 继续添加到列表中 while j <= high: # 这里是右边片段还有值 li_tem.append(li[j]) j += 1 # 继续添加到列表中 li[low:high+1] = li_tem def merge_sort(li, low, high): if low < high: # 保证列表至少有两个元素 mid = (low + high) // 2 # 取中间数的索引 merge_sort(li, low, mid) # 将左边的通过递归编程有序列表 merge_sort(li, mid+1, high) # 将右边的通过递归编程有序列表 merge(li, low, mid, high) # 将左右两个片段合并成一个有序列表 li = [2, 5, 7, 8, 9, 1, 3, 4, 6, 10] merge_sort(li, 0, len(li)-1) print(li)
niu B 三人组总结
三种排序算法的时间复杂度都是O(nlogn)
一般情况下，就运行时间而言：
快速排序<归并排序<堆排序
三种排序算法的缺点：
快速排序：极端情况下，排序效率低
归并排序：需要额外的内存开销
堆排序：在快的排序算法中相对较慢
希尔排序 待续。。。。。。
计数排序 待续。。。。。。
桶排序 待续。。。。。。
基数排序 待续。。。。。。
