百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术资源 > 正文

Python | 数据结构 - 快速排序和归并排序

off999 2024-10-27 11:50 30 浏览 0 评论

快速排序(Quick sort)

快速排序,是每次找一个数字(一般是列表的第一个元素)作为中间值,将小于这个中间值的元素都放在左边,比这个中间值大的放在右边。然后,对左边和右边的子序列进行递归操作,即可实现排序。只有一个元素的序列是有序的。

  • 将列表中第一个元素设定为基准数字,赋值给 mid 变量,然后将整个列表中比基准小的数值放在基准的左侧,比基准到的数字放在基准右侧。然后将基准数字左右两侧的序列在根据此方法进行排放。
  • 定义两个指针,low 指向最左侧,high 指向最右侧。
  • 然后对最右侧指针进行向左移动,移动法则是,如果指针指向的数值比基准小,则将指针指向的数字移动到基准数字原始的位置,否则继续移动指针。
  • 如果最右侧指针指向的数值移动到基准位置时,开始移动最左侧指针,将其向右移动,如果该指针指向的数值大于基准则将该数值移动到最右侧指针指向的位置,然后停止移动。
  • 如果左右侧指针重复则,将基准放入左右指针重复的位置,则基准左侧为比其小的数值,右侧为比其大的数值。

首先,对于第一个元素进行操作。调整后的列表中,该元素左边的元素都比它小,右边的元素都比它大:

alist = [3, 8, 5, 7, 6, 9, 2, 1, 4, 6, 3, 3, 2]    # 使用重复值更严谨
def quick_sort(alist):
    left = 0    # 第一个元素下标
    right = len(alist) - 1    # 最后一个元素下标
    # 循环过后的序列中,要确保小于等于基准值的数字在基准值右侧,大于基准值的数在其左侧
    while left < right:
        # 先偏移right,此时基准值3位于left对应的位置
        while left < right:
            if alist[right] > alist[left]:
                right -= 1    # 如果right对应的值比基准值大,不需要操作,比较下一个数字
            else:    # 如果right对应的值比基准值小(或等于),则将其与基准值交换位置
                alist[right], alist[left] = alist[left], alist[right]
                left += 1    # 因为原来基准值的位置left的元素已经检查过了,不需要重复检查,所以直接去下一个元素即可
                break
        while left < right:
            # 先偏移left,此时基准值3位于right对应的位置
            if alist[right] >= alist[left]:
                left +=1    # 如果left对应的值比基准值小或者相等,不需要操作,比较下一个数字
            else:    # 如果left对应的值比基准值大,将其于基准值交换位置
                alist[right], alist[left] = alist[left], alist[right]
                right -= 1    # 因为原来基准值的位置right的元素已经检查过了,不需要重复检查,所以直接去下一个元素即可
                break
                
    print(left, right)    # 5 5
    return alist
print(quick_sort(alist))    # [2, 3, 3, 1, 2, 3, 9, 6, 4, 6, 7, 5, 8]

经一次操作后,左右两侧的索引都到了 5 的位置。接下来,我们对左右两部分的列表进行递归,即可实现快速排序:

alist = [3, 8, 5, 7, 6, 9, 2, 1, 4, 6, 3, 3, 2]
def quick_sort(alist, start, end):
    left = start
    right = end
    while left < right:
        while left < right:
            if alist[left] < alist[right]:
                right -= 1
            else:
                alist[left], alist[right] = alist[right], alist[left]
                left += 1
                break
        while left < right:
            if alist[left] <= alist[right]:
                left += 1
            else:
                alist[left], alist[right] = alist[right], alist[left]
                right -= 1
                break
    # 上述为核心操作,需要将核心操作递归左右到左右子序列中
    if start < left - 1:    # 结束递归条件:当左侧只剩一个元素或没有元素时
        quick_sort(alist, start, left - 1)    # 将sort作用到左侧序列中
    if right + 1 < end:    # 结束递归条件:当右侧只剩一个元素或没有元素时
        quick_sort(alist, right + 1, end)    # 将sort作用到右侧序列中
    return alist
quick_sort(alist, 0, len(alist) - 1)    # [1, 2, 2, 3, 3, 3, 4, 5, 6, 6, 7, 8, 9]

归并排序(Merge sort)

归并排序采用分而治之的原理:

  • 将一个序列从中间位置分成两个序列;
  • 在将这两个子序列按照第一步继续二分下去;
  • 直到所有子序列的长度都为 1,也就是不可以再二分截止。这时候再两两合并成一个有序序列即可。

如何合并?

下图中的倒数第三行表示为第一次合并后的数据。其中一组数据为 4 8 , 5 7。该两组数据合并方式为:每一小组数据中指定一个指针,指针指向每小组数据的第一个元素,通过指针的偏移指定数据进行有序排列。排列情况如下:

  1. p1 指向 4,p2 指向 5,p1 和 p2 指向的元素 4 和 5 进行比较,较小的数据归并到一个新的列表中。经过比较 p1 指向的 4 会被添加到新的列表中,则 p1 向后偏移一位,指向了 8,p2 不变。
  2. p1 和 p2 指向的元素 8,5 继续比较,则 p2 指向的 5 较小,添加到新列表中,p2 向后偏移一位,指向了 7。
  3. p1 和 p2 指向的元素 8,7 继续比较,7 添加到新列表中,p2 偏移指向 NULL,比较结束。
  4. 最后剩下的指针指向的数据(包含该指针指向数据后面所有的数据)直接添加到新列表中即可。

归并排序使用 Python 代码实现:

alist = [3, 8, 5, 7, 6, 9, 2, 1, 4, 6, 3, 3, 2]
def merge_sort(alist):
    n = len(alist)
    # 递归结束条件
    if n <= 1:
        return alist
    # 将序列分成左右两部分,递归排序
    mid = n // 2
    left = merge_sort(alist[:mid])
    right = merge_sort(alist[mid:])
    # 将指针归零
    left_pointer = right_pointer = 0
    result = []    # 用于存放排序好的结果
    # 比较指针位置的数字,较小的放到结果中,并依次移动指针
    while left_pointer < len(left) and right_pointer < len(right):
        if left[left_pointer] < right[right_pointer]:
            result.append(left[left_pointer])
            left_pointer += 1
        else:
            result.append(right[right_pointer])
            right_pointer += 1
    # 将左右两边剩余的元素直接放到结果中
    result.extend(left[left_pointer:])
    result.extend(right[right_pointer:])
    # 将结果返回
    return result
print(merge_sort(alist))    # [1, 2, 2, 3, 3, 3, 4, 5, 6, 6, 7, 8, 9]

相关推荐

阿里云国际站ECS:阿里云ECS如何提高网站的访问速度?

TG:@yunlaoda360引言:速度即体验,速度即业务在当今数字化的世界中,网站的访问速度已成为决定用户体验、用户留存乃至业务转化率的关键因素。页面加载每延迟一秒,都可能导致用户流失和收入损失。对...

高流量大并发Linux TCP性能调优_linux 高并发网络编程

其实主要是手里面的跑openvpn服务器。因为并没有明文禁p2p(哎……想想那么多流量好像不跑点p2p也跑不完),所以造成有的时候如果有比较多人跑BT的话,会造成VPN速度急剧下降。本文所面对的情况为...

性能测试100集(12)性能指标资源使用率

在性能测试中,资源使用率是评估系统硬件效率的关键指标,主要包括以下四类:#性能测试##性能压测策略##软件测试#1.CPU使用率定义:CPU处理任务的时间占比,计算公式为1-空闲时间/总...

Linux 服务器常见的性能调优_linux高性能服务端编程

一、Linux服务器性能调优第一步——先搞懂“看什么”很多人刚接触Linux性能调优时,总想着直接改配置,其实第一步该是“看清楚问题”。就像医生看病要先听诊,调优前得先知道服务器“哪里...

Nginx性能优化实战:手把手教你提升10倍性能!

关注△mikechen△,十余年BAT架构经验倾囊相授!Nginx是大型架构而核心,下面我重点详解Nginx性能@mikechen文章来源:mikechen.cc1.worker_processe...

高并发场景下,Spring Cloud Gateway如何抗住百万QPS?

关注△mikechen△,十余年BAT架构经验倾囊相授!大家好,我是mikechen。高并发场景下网关作为流量的入口非常重要,下面我重点详解SpringCloudGateway如何抗住百万性能@m...

Kubernetes 高并发处理实战(可落地案例 + 源码)

目标场景:对外提供HTTPAPI的微服务在短时间内收到大量请求(例如每秒数千至数万RPS),要求系统可弹性扩容、限流降级、缓存减压、稳定运行并能自动恢复。总体思路(多层防护):边缘层:云LB...

高并发场景下,Nginx如何扛住千万级请求?

Nginx是大型架构的必备中间件,下面我重点详解Nginx如何实现高并发@mikechen文章来源:mikechen.cc事件驱动模型Nginx采用事件驱动模型,这是Nginx高并发性能的基石。传统...

Spring Boot+Vue全栈开发实战,中文版高清PDF资源

SpringBoot+Vue全栈开发实战,中文高清PDF资源,需要的可以私我:)SpringBoot致力于简化开发配置并为企业级开发提供一系列非业务性功能,而Vue则采用数据驱动视图的方式将程序...

Docker-基础操作_docker基础实战教程二

一、镜像1、从仓库获取镜像搜索镜像:dockersearchimage_name搜索结果过滤:是否官方:dockersearch--filter="is-offical=true...

你有空吗?跟我一起搭个服务器好不好?

来人人都是产品经理【起点学院】,BAT实战派产品总监手把手系统带你学产品、学运营。昨天闲的没事的时候,随手翻了翻写过的文章,发现一个很严重的问题。就是大多数时间我都在滔滔不绝的讲理论,却很少有涉及动手...

部署你自己的 SaaS_saas如何部署

部署你自己的VPNOpenVPN——功能齐全的开源VPN解决方案。(DigitalOcean教程)dockovpn.io—无状态OpenVPNdockerized服务器,不需要持久存储。...

Docker Compose_dockercompose安装

DockerCompose概述DockerCompose是一个用来定义和管理多容器应用的工具,通过一个docker-compose.yml文件,用YAML格式描述服务、网络、卷等内容,...

京东T7架构师推出的电子版SpringBoot,从构建小系统到架构大系统

前言:Java的各种开发框架发展了很多年,影响了一代又一代的程序员,现在无论是程序员,还是架构师,使用这些开发框架都面临着两方面的挑战。一方面是要快速开发出系统,这就要求使用的开发框架尽量简单,无论...

Kubernetes (k8s) 入门学习指南_k8s kubeproxy

Kubernetes(k8s)入门学习指南一、什么是Kubernetes?为什么需要它?Kubernetes(k8s)是一个开源的容器编排系统,用于自动化部署、扩展和管理容器化应用程序。它...

取消回复欢迎 发表评论: