基础算法笔记-Python
基础算法笔记-Python
整理自B站视频 https://www.bilibili.com/video/BV1uA411N7c5
递归
1. 汉诺塔问题
# n个圆盘，从a经过b移动到c
def hanoi(n, a, b, c):
if n > 0:
# 将n-1个圆盘从a经过c移动到b
hanoi(n - 1, a, c, b)
# 将最底层的圆盘从a移动到c
print("moving from %s to %s" % (a, c))
# 将n-1个圆盘从b经过a移动到c
hanoi(n - 1, b, a, c)
hanoi(3, 'A', 'B', 'C')
查找
1. 顺序查找
def linear_search(li, val):
for ind, v in enumerate(li):
if v == val:
return ind
else:
return None
2. 二分查找
def binary_search(li, val):
left = 0
right = len(li) - 1
while left <= right:
mid = (left + right) // 2
if li[mid] == val:
return mid
elif li[mid] > val:
right = mid - 1
else:
left = mid + 1
else:
return None
排序
1.冒泡排序
通过反复比较相邻元素并交换顺序不正确的元素，将最大或最小的元素逐渐"冒泡"到列表的一端。
def bubble_sort(li):
for i in range(len(li) - 1):
# exchange = False
for j in range(len(li) - i - 1):
if li[j] > li[j + 1]:
li[j], li[j + 1] = li[j + 1], li[j]
# exchange = True
# if not exchange:
# return
# 测试排序
import random
li = list(range(10))
random.shuffle(li)
print(li)
bubble_sort(li)
print(li)
时间复杂度: $O(n^2)$
空间复杂度: $O(1)$
排序稳定性: 稳定
2.选择排序
通过反复寻找未排序部分中的最小或最大元素并将其放到已排序部分的末尾，逐步完成整个排序。
def select_sort(li):
for i in range(len(li) - 1):
min_index = i
for j in range(i + 1, len(li)):
if li[j] < li[min_index]:
min_index = j
li[i], li[min_index] = li[min_index], li[i]
时间复杂度: $O(n^2)$
空间复杂度: $O(1)$
排序稳定性: 不稳定
3.插入排序
通过逐步将每个元素插入到已排序部分的正确位置，从而构建最终的有序列表。
def insert_sort(li):
for i in range(1, len(li)):
tmp = li[i]
j = i - 1
while j >= 0 and li[j] > tmp:
li[j + 1] = li[j]
j -= 1
li[j + 1] = tmp
时间复杂度: $O(n^2)$
空间复杂度: $O(1)$
排序稳定性: 稳定
4.快速排序
通过选择一个基准元素并将列表分成比基准小和大的两部分，然后递归地排序每一部分，最终得到有序列表。
def partition(li, left, right):
tmp = li[left]
while left < right:
while left < right and li[right] >= tmp:
right -= 1
li[left] = li[right]
while left < right and li[left] <= tmp:
left += 1
li[right] = li[left]
li[left] = tmp
return left
def quick_sort(li, left, right):
if left < right:
mid = partition(li, left, right)
quick_sort(li, left, mid - 1)
quick_sort(li, mid + 1, right)
时间复杂度: $O(nlogn)$
空间复杂度: $O(logn)$
排序稳定性: 不稳定
5.堆排序
通过将列表构建成一个大根堆或小根堆，逐步将堆顶的最大或最小元素移到列表末尾，然后调整堆来继续排序。
# 大根堆
def sift(li, low, high):
"""
:param li: 列表
:param low: 堆的根节点位置
:param high: 堆的最后一个节点位置
:return:
"""
i = low
j = 2 * i + 1
tmp = li[low]
while j <= high:
if j + 1 <= high and li[j + 1] > li[j]:
j = j + 1
if li[j] > tmp:
li[i] = li[j]
i = j
j = 2 * i + 1
else:
li[i] = tmp
break
else:
li[i] = tmp
def heap_sort(li):
n = len(li)
# 建堆
for i in range((n - 2) // 2, -1, -1):
sift(li, i, n - 1)
# 将最后一个元素放置在堆顶，不断进行向下调整
for i in range(n - 1, -1, -1):
li[0], li[i] = li[i], li[0]
sift(li, 0, i - 1)
时间复杂度: $O(nlogn)$
空间复杂度: $O(1)$
排序稳定性: 不稳定
使用python内置heapq
import heapq
import random
def heap_sort(li):
# 建堆，小根堆
heapq.heapify(li)
n = len(li)
tmp = []
for i in range(n):
# 弹出堆顶最小元素
tmp.append(heapq.heappop(li))
li[:] = tmp
li = list(range(10))
random.shuffle(li)
print(li)
heap_sort(li)
print(li)
topk问题
# sift函数调整成小根堆
def sift(li, low, high):
"""
:param li: 列表
:param low: 堆的根节点位置
:param high: 堆的最后一个节点位置
:return:
"""
i = low
j = 2 * i + 1
tmp = li[low]
while j <= high:
if j + 1 <= high and li[j + 1] < li[j]:
j = j + 1
if li[j] < tmp:
li[i] = li[j]
i = j
j = 2 * i + 1
else:
li[i] = tmp
break
else:
li[i] = tmp
def topk(li, k):
heap = li[0:k]
# 1.建堆
for i in range((k - 2) // 2, -1, -1):
sift(heap, i, k - 1)
# 2.遍历
for i in range(k, len(li) - 1):
if li[i] > heap[0]:
heap[0] = li[i]
sift(heap, 0, k - 1)
# 3.出数
for i in range(k - 1, -1, -1):
heap[0], heap[i] = heap[i], heap[0]
sift(heap, 0, i - 1)
return heap
使用内置heapq解决topk问题
import heapq
import random
def topk(li, k):
heap = li[:k]
heapq.heapify(heap)
for i in li[k:]:
if i > heap[0]:
heapq.heapreplace(heap, i)
topk_li = []
for i in range(k):
topk_li.append(heapq.heappop(heap))
return topk_li[::-1]
li = list(range(100))
random.shuffle(li)
print(topk(li, 10))
再进一步
import heapq
import random
def topk(li, k):
return heapq.nlargest(k, li)
li = list(range(100))
random.shuffle(li)
print(topk(li, 10))
6.归并排序
通过将列表递归地分成更小的部分，分别排序这些部分，然后将它们合并成一个有序的列表。
import random
def merge(li, low, mid, high):
i = low
j = mid + 1
ltmp = []
while i <= mid and j <= high:
if li[i] < li[j]:
ltmp.append(li[i])
i += 1
else:
ltmp.append(li[j])
j += 1
while i <= mid:
ltmp.append(li[i])
i += 1
while j <= high:
ltmp.append(li[j])
j += 1
li[low:high + 1] = ltmp
def merge_sort(li, low, high):
if low < high:
mid = (low + high) // 2
merge_sort(li, low, mid)
merge_sort(li, mid + 1, high)
merge(li, low, mid, high)
li = list(range(100))
random.shuffle(li)
print(li)
merge_sort(li, 0, len(li) - 1)
print(li)
时间复杂度: $O(nlogn)$
空间复杂度: $O(n)$
排序稳定性: 稳定
7.希尔排序
希尔排序是一种改进的插入排序算法，通过比较和交换间隔较大的元素逐步减少间隔，最终使列表逐渐有序。
def insert_sort_gap(li, gap):
for i in range(gap, len(li)):
tmp = li[i]
j = i - gap
while j >= 0 and li[j] > tmp:
li[j + gap] = li[j]
j -= gap
li[j + gap] = tmp
def shell_sort(li):
n = len(li) // 2
while n >= 1:
insert_sort_gap(li, n)
n //= 2
8.计数排序
计数排序是一种非比较排序算法，通过计数每个元素出现的次数，然后按照计数结果将元素依次放入最终排序列表中。
def count_sort(li, max_count=100):
count = [0 for _ in range(max_count + 1)]
for val in li:
count[val] += 1
li.clear()
for ind, val in enumerate(count):
for _ in range(val):
li.append(ind)
9.桶排序
桶排序是一种分配排序算法，通过将元素分到不同的桶中，然后分别对每个桶进行排序，最后将桶中的元素合并以得到最终的有序列表。
def bucket_sort(li, n=100, max_num=10000):
# 创建桶
buckets = [[] for _ in range(n)]
for var in li:
i = min(var // (max_num // n), n - 1)
buckets[i].append(var)
for j in range(len(buckets[i]) - 1, 0, -1):
if buckets[i][j] < buckets[i][j - 1]:
buckets[i][j], buckets[i][j - 1] = buckets[i][j - 1], buckets[i][j]
else:
break
sorted_li = []
for buc in buckets:
sorted_li.extend(buc)
return sorted_li
10.基数排序
基数排序是一种非比较排序算法，通过逐位（从最低位到最高位）对数字进行排序，依次处理每一位，最终得到有序列表。
def radix_sort(li):
max_num = max(li)
it = 0
while 10 ** it <= max_num:
buckets = [[] for _ in range(10)]
for var in li:
digit = (var // 10 ** it) % 10
buckets[digit].append(var)
li.clear()
for buc in buckets:
li.extend(buc)
it += 1
