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的批量远程管理和部署工具Fabric用法实例
Jan 23 Python
在Gnumeric下使用Python脚本操作表格的教程
Apr 14 Python
Python字典的核心底层原理讲解
Jan 24 Python
对python判断ip是否可达的实例详解
Jan 31 Python
Flask使用Pyecharts在单个页面展示多个图表的方法
Aug 05 Python
python flask中动态URL规则详解
Nov 22 Python
python pip安装包出现:Failed building wheel for xxx错误的解决
Dec 25 Python
python ETL工具 pyetl
Jun 07 Python
python学习将数据写入文件并保存方法
Jun 07 Python
python opencv把一张图片嵌入(叠加)到另一张图片上的实现代码
Jun 11 Python
Python3爬虫中Ajax的用法
Jul 10 Python
Python如何截图保存的三种方法(小结)
Sep 01 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
PHP时间格式控制符对照表分享
2013/07/23 PHP
php实现微信公众号主动推送消息
2015/12/31 PHP
jQuery入门问答 整理的几个常见的初学者问题
2010/02/22 Javascript
40款非常棒的jQuery 插件和制作教程(系列二)
2011/11/02 Javascript
script标签属性type与language使用选择
2012/12/02 Javascript
Bootstrap每天必学之警告框插件
2016/04/26 Javascript
前端弹出对话框 js实现ajax交互
2016/09/09 Javascript
js实现非常棒的弹出div
2016/10/06 Javascript
jQuery设置Easyui校验规则(推荐)
2016/11/21 Javascript
AngularJS 支付倒计时功能实现思路
2017/06/05 Javascript
浅谈pc端rem字体设置的问题
2017/08/03 Javascript
解决js ajax同步请求造成浏览器假死的问题
2018/01/18 Javascript
vue+element的表格实现批量删除功能示例代码
2018/08/17 Javascript
js计算两个日期间的天数月的实例代码
2018/09/20 Javascript
jQuery表单选择器用法详解
2019/08/22 jQuery
Bootstrap table 服务器端分页功能实现方法示例
2020/06/01 Javascript
[03:17]DOTA2-DPC中国联赛1月29日Recap集锦
2021/03/11 DOTA
使用相同的Apache实例来运行Django和Media文件
2015/07/22 Python
对numpy 数组和矩阵的乘法的进一步理解
2018/04/04 Python
pytorch 转换矩阵的维数位置方法
2018/12/08 Python
python 实现倒排索引的方法
2018/12/25 Python
Python实现将字符串的首字母变为大写,其余都变为小写的方法
2019/06/11 Python
python tkinter canvas 显示图片的示例
2019/06/13 Python
Python2.7版os.path.isdir中文路径返回false的解决方法
2019/06/21 Python
python PyQt5/Pyside2 按钮右击菜单实例代码
2019/08/17 Python
美国运动鞋和服装网上商店:YCMC
2018/09/15 全球购物
PPP协议组成及简述协议协商的基本过程
2015/05/28 面试题
酒店出纳岗位职责
2013/12/29 职场文书
大学生职业生涯规划书范文
2014/01/14 职场文书
护理职业生涯规划书
2014/01/24 职场文书
2015迎新晚会开场白
2015/05/29 职场文书
《认识年月日》教学反思
2016/02/19 职场文书
大学生奖学金获奖感言(范文)
2019/08/15 职场文书
Nginx服务器如何设置url链接
2021/03/31 Servers
Go语言实现Base64、Base58编码与解码
2021/07/26 Golang
JS封装cavans多种滤镜组件
2022/02/15 Javascript