了解算法之前，我们先看一下什么是算法

定义：算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

python中的常见算法

冒泡排序

效率：O(n2)

原理：

比较相邻的元素，如果第一个比第二个大，就交换他们两个；

对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。做完以后，最后的元素会是最大的数，这里可以理解为走了一趟；

针对所有的元素重复以上的步骤，除了最后一个；

持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较，最后数列就是从大到小一次排列；

def bubble_sort(data): """ 冒泡排序 :param data: :return: """ for i in range(len(data)-1): # 趟数 for j in range(len(data)-i-1): # 遍历数据，依次交换 if data[j]>data[j+1]: # 当较大数在前面 data[j],data[j+1]=data[j+1],data[j] #交换两个数的位置 if __name__=='__main__': import random data_list=list(range(30)) random.shuffle(data_list) print("pre:",data_list) bubble_sort(data_list) print("after:",data_list)#结果：#pre: [22, 11, 19, 16, 12, 18, 20, 28, 27, 4, 21, 10, 9, 7, 1, 6, 5, 29, 8, 0, 17, 26, 13, 14, 15, 24, 25, 23, 3, 2]#after: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29]

选择排序

效率：O(n2)

原理：

每一次从待排序的列表中选出一个元素，并将其与其他数依次比较，若列表中的某个数比选中的数小，则交换位置，把所有数比较完毕，则会选出最小的数，将其放在最左边（这一过程称为一趟）；

重复以上步骤，直到全部待排序的数据元素排完；

demo：

def select_sort(data): """ 选择排序 :param data: 待排序的数据列表 :return: """ for i in range(len(data)-1): #趟数 min_index=i # 记录i趟开始最小的数的索引，我们从最左边开始 for j in range(i+1,len(data)): # 每一次趟需要循环的次数 if data[j] < data[min_index]: # 当数列中的某一个数比开始的数要小时候，更新最小值索引位置 min_index=j data[i],data[min_index]=data[min_index],data[i] # 一趟走完，交换最小值的位置，第一趟最小if __name__=='__main__': import random data_list=list(range(30)) random.shuffle(data_list) # 打乱列表数据 print("pre:",data_list) select_sort(data_list) print("after:",data_list)#结果：#pre: [20, 11, 22, 0, 18, 21, 14, 19, 7, 23, 27, 29, 24, 4, 17, 15, 5, 10, 26, 13, 25, 1, 8, 16, 3, 9, 2, 28, 12, 6]#after: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29]

插入排序

效率：O(n2)

原理：

以从小到大排序为例，元素0为第一个元素，插入排序是从元素1开始，尽可能插到前面。

插入时分插入位置和试探位置，元素i的初始插入位置为i，试探位置为i-1，在插入元素i时，依次与i-1,i-2······元素比较，如果被试探位置的元素比插入元素大，那么被试探元素后移一位，元素i插入位置前移1位，直到被试探元素小于插入元素或者插入元素位于第一位。

重复上述步骤，最后完成排序

demo：

def insert_sort(data): """ 插入排序 :param data: 待排序的数据列表 :return: """ for i in range(1, len(data)): # 无序区域数据 tmp = data[i] # 第i次插入的基准数 for j in range(i, -1, -1): if tmp < data[j - 1]: # j为当前位置，试探j-1位置 data[j] = data[j - 1] # 移动当前位置 else: # 位置确定为j break data[j] = tmp # 将当前位置数还原 if __name__=='__main__': import random data_list=list(range(30)) random.shuffle(data_list) # 打乱列表数据 print("pre:",data_list) insert_sort(data_list) print("after:",data_list)#结果：#pre: [7, 17, 10, 16, 23, 24, 13, 11, 2, 5, 15, 29, 27, 18, 4, 19, 1, 9, 3, 21, 0, 14, 12, 25, 22, 28, 20, 6, 26, 8]#after: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29]

堆排序

堆定义：本质是一个完全二叉树，如果根节点的值是所有节点的最小值称为小根堆，如果根节点的值是所有节点的最大值，称为大根堆。

效率：O(nlogn)

原理：

将待排序数据列表建立成堆结构(建立堆)；

通过上浮(shift_up)或下沉(shift_down)等操作得到堆顶元素为最大元素（已大根堆为例）；

去掉堆顶元素，将最后的一个元素放到堆顶，重新调整堆，再次使得堆顶元素为最大元素（相比第一次为第二大元素）；

重复3操作，直到堆为空，最后完成排序；

归并排序

效率：O(nlogn)

空间复杂度：O(n)

原理：

申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列；

设定两个指针，最初位置分别为两个已经排序序列的起始位置；

比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置；

重复步骤3直到某一指针达到序列尾；

将另一序列剩下的所有元素直接复制到合并序列尾。

到此这篇关于python语言中有算法吗的文章就介绍到这了,更多相关python里有算法吗内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！