Python几种常见算法汇总


Posted in Python onJune 02, 2020

1、选择排序

选择排序是一种简单直观的排序算法。它的原理是这样:首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的后面,以此类推,直到所有元素均排序完毕。算法实现如下:

#找到最小的元素def FindSmall(list):
  min=list[0]  for i in range(len(list)):    if list[i]<min:
      min=list[i]  return min    

#选择排序def Select_Sort(list):
  newArr=[]  for i in range(len(list)):
    minValue=FindSmall(list)
    newArr.append(minValue)
    list.remove(minValue)  return newArr

testArr=[11,22,33,21,123]print(Select_Sort(testArr))

2、快速排序

快速排序的运行速度快于选择排序,它的工作原理是这样:设要排序的数组是N,首先任意选取一个数据(通常选用数组的第一个数)作为关键数据,然后将所有比它小的数都放到它前面,所有比它大的数都放到它后面,这个过程称为一趟快速排序。可以使用python用递归式的方法来解决这个问题:

def Quick_Sort(list):  if len(list)<2:    return list  else:
    temp=list[0]
    less=[i for i in list[1:] if i<=temp]
    more=[i for i in list[1:] if i>temp]    return Quick_Sort(less)+[temp]+Quick_Sort(more)

testArr= [13,44,53,24,876,2]print(Quick_Sort(testArr))

3、二分查找

二分查找的输入是一个有序的列表,如果要查找的元素包含在一个有序列表中,二分查找可以返回其位置。打个比方来说明二分查找的原理:比如我随便想了个范围在1~100以内的整数,由你来猜,以最少的次数来猜出这个数字,你每次猜完给出个数字,我会回复大了或小了,第一种方法是你从1开始依次往后猜,那如果我想的数字是100,那么你就要猜100次;第二种方法是从50开始,如果我说小了,那你就猜75,就这样依次排除掉一半的剩余数字,这就是二分查找法。可以看出二分查找法更加快速。对于包含n个元素的有序列表,用简单查找最多需要n步,而二分查找法则最多只需lon2 n步。下面用python来实现该算法:

def Item_Search(list,item):
  low=0
  high=len(list)-1  while low<=high:
    middle=(low+high)//2    print(list[middle])    if list[middle]>item:
      high=middle-1    elif list[middle]<item:
      low=middle+1    else:      return middle  return None    

test_list=[1,3,5,7,9,11,13,15,17,19,21]
Item_Search(test_list,11)

4、广度优先搜索

广度优先搜索是一种图算法,图由节点和边组成,一个节点可能与多个节点连接,这些节点称为邻居。广度优先搜索算法可以解决两类问题:第一类是从节点A出发,有没有前往节点B的路径;第二类问题是从节点A出发,前往B节点的哪条路径最短。使用广度优先搜索算法的前提是图的边没有权值,即该算法只用于非加权图中,如果图的边有权值的话就应使用狄克斯特拉算法来查找最短路径。举个例子,假如你认识alice、bob、claire,bob认识anuj、peggy,alice认识peggy,claire认识tom、jonny,你需要在最短的路径内找到通过认识的人找到tom,那么算法实现如下:

#使用字典构建图graph={}
graph["you"]=["Alice","Bob","Claire"]
graph["Bob"]=["Anuj","Peggy"]
graph["Alice"]=["Peggy"]
graph["Claire"]=["Tom","Jonny"]
graph["Anuj"]=[]
graph["Peggy"]=[]
graph["Tom"]=[]
graph["Jonny"]=[]from collections import deque#简单的判断方法def person_is_seller(name):  return name=='Tom'def Search(name):
  searched=[]  #用于记录检查过的人,防止进入死循环
  search_queue=deque() #创建队列
  search_queue+=graph[name]  while search_queue:
    person=search_queue.popleft()    if not person in searched:  #仅当这个人没检查过时才检查
      if person_is_seller(person):        print("the seller is {0}".format(person))        return True      else:
        search_queue+=graph[person]
        searched.append(person)  #将这个人标记为检查过
  return Falseprint(Search("you"))

5、贪婪算法

贪婪算法,又名贪心算法,对于没有快速算法的问题(NP完全问题),就只能选择近似算法,贪婪算法寻找局部最优解,并企图以这种方式获得全局最优解,它易于实现、运行速度快,是一种不错的近似算法。假如你是个小偷,商店里有很多箱子,箱子里有各种水果,有些箱子里有3种水果,有些箱子有2种...,你想尝到所有种类的水果,但你一个人力气有限,因此你必须尽量搬走最少的箱子,那么,算法实现如下:

fruits=set(["苹果","香蕉","梨子","西瓜","草莓","橘子","荔枝","榴莲"]) 

#箱子以及包含的水果box={}
box["b1"]=set(["苹果","香蕉","西瓜"])
box["b2"]=set(["草莓","橘子","榴莲"])
box["b3"]=set(["梨子","荔枝","草莓"])
box["b4"]=set(["香蕉","橘子"])
box["b5"]=set(["梨子","榴莲"])

final_boxs=set() #最终选择的箱子#直到fruits为空while fruits:
  best_box=None #包含了最多的未包含水果的箱子
  fruits_covered=set() #包含该箱子包含的所有未包含的水果

  #循环迭代每个箱子,并确定它是否为最佳箱子
  for boxItem,fruitItem in box.items():
    covered=fruits & fruitItem #计算交集
    if len(covered)>len(fruits_covered): 
      best_box=boxItem
      fruits_covered=covered
  fruits-=fruits_covered
  final_boxs.add(best_box)   
print(final_boxs)

以上就是Python几种常见算法汇总的详细内容,更多关于Python算法汇总的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
Python文件夹与文件的相关操作(推荐)
Jul 25 Python
Python爬虫代理IP池实现方法
Jan 05 Python
python re模块findall()函数实例解析
Jan 19 Python
Python3连接SQLServer、Oracle、MySql的方法
Jun 28 Python
Python基于分析Ajax请求实现抓取今日头条街拍图集功能示例
Jul 19 Python
利用python和ffmpeg 批量将其他图片转换为.yuv格式的方法
Jan 08 Python
解决Python 命令行执行脚本时,提示导入的包找不到的问题
Jan 19 Python
详细介绍pandas的DataFrame的append方法使用
Jul 31 Python
Python中关于浮点数的冷知识
Sep 22 Python
Python底层封装实现方法详解
Jan 22 Python
aws 通过boto3 python脚本打pach的实现方法
May 10 Python
python获取字符串中的email
Mar 31 Python
opencv-python的RGB与BGR互转方式
Jun 02 #Python
解决pyinstaller打包运行程序时出现缺少plotly库问题
Jun 02 #Python
Pytorch 使用opnecv读入图像由HWC转为BCHW格式方式
Jun 02 #Python
基于pycharm实现批量修改变量名
Jun 02 #Python
pytorch读取图像数据转成opencv格式实例
Jun 02 #Python
Python使用jupyter notebook查看ipynb文件过程解析
Jun 02 #Python
解决python cv2.imread 读取中文路径的图片返回为None的问题
Jun 02 #Python
You might like
APMServ使用说明
2006/10/23 PHP
php中$_POST与php://input的区别实例分析
2015/01/07 PHP
smarty内置函数section的用法
2015/01/22 PHP
Thinkphp自定义代码生成工具及用法说明(附下载地址)
2016/05/27 PHP
PHP实现数据库统计时间戳按天分组输出数据的方法
2017/10/10 PHP
Laravel5.4简单实现app接口Api Token认证方法
2019/08/29 PHP
JavaScript 中的事件教程
2007/04/05 Javascript
用javascript获取textarea中的光标位置
2008/05/06 Javascript
多个checkbox被选中时如何判断是否有自己想要的
2014/09/22 Javascript
js实现右下角提示框的方法
2015/02/03 Javascript
基于javascript实现彩票随机数生成(简单版)
2020/04/17 Javascript
精通JavaScript的this关键字
2020/05/28 Javascript
JS表格组件神器bootstrap table详解(强化版)
2016/05/26 Javascript
JS简单实现DIV相对于浏览器固定位置不变的方法
2016/06/17 Javascript
浅谈js继承的实现及公有、私有、静态方法的书写
2016/10/28 Javascript
javascript-解决mongoose数据查询的异步操作
2016/12/22 Javascript
利用angularjs1.4制作的简易滑动门效果
2017/02/28 Javascript
JQuery元素快速查找与操作
2018/04/22 jQuery
利用Bootstrap Multiselect实现下拉框多选功能
2019/04/08 Javascript
vue+element实现表格新增、编辑、删除功能
2019/05/28 Javascript
vue-cli3中配置alias和打包加hash值操作
2020/09/04 Javascript
Vue实现todo应用的示例
2021/02/20 Vue.js
分享15个最受欢迎的Python开源框架
2014/07/13 Python
Python实现自动添加脚本头信息的示例代码
2016/09/02 Python
python正则表达式的使用
2017/06/12 Python
Python双向循环链表实现方法分析
2018/07/30 Python
对python 命令的-u参数详解
2018/12/03 Python
python 函数的缺省参数使用注意事项分析
2019/09/17 Python
CSS3 3D立方体效果示例-transform也不过如此
2016/12/05 HTML / CSS
免费获得微软MCSD证书赶快行动吧!
2012/11/13 HTML / CSS
Gerry Weber德国官网:优质女性时装,德国最大的时装公司之一
2019/11/02 全球购物
SQL语言面试题
2013/08/27 面试题
销售内勤岗位职责
2015/02/10 职场文书
博士给导师的自荐信
2015/03/06 职场文书
小学运动会加油稿
2015/07/22 职场文书
中小学教师继续教育心得体会
2016/01/19 职场文书