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
使用django-suit为django 1.7 admin后台添加模板
Nov 18 Python
Python实现从订阅源下载图片的方法
Mar 11 Python
Python字符串和字典相关操作的实例详解
Sep 23 Python
pandas中的DataFrame按指定顺序输出所有列的方法
Apr 10 Python
Django model select的多种用法详解
Jul 16 Python
Python多线程及其基本使用方法实例分析
Oct 29 Python
python实现超市商品销售管理系统
Nov 22 Python
Python unittest 自动识别并执行测试用例方式
Mar 09 Python
Python Django2 model 查询介绍(条件、范围、模糊查询)
Mar 16 Python
Python装饰器的应用场景代码总结
Apr 10 Python
Python通过yagmail实现发送邮件代码解析
Oct 27 Python
Python txt文件如何转换成字典
Nov 03 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高级对象构建 多个构造函数的使用
2012/02/05 PHP
PHP与MYSQL中UTF8编码的中文排序实例
2014/10/21 PHP
手把手编写PHP框架 深入了解MVC运行流程
2016/09/19 PHP
PHP使用递归算法无限遍历数组示例
2017/01/13 PHP
PHP数据库操作二:memcache用法分析
2017/08/16 PHP
yii 框架实现按天,月,年,自定义时间段统计数据的方法分析
2020/04/04 PHP
jQuery温习篇 强大的JQuery选择器
2010/04/24 Javascript
jQuery EasyUI API 中文文档 - Parser 解析器
2011/09/29 Javascript
如何使用json在前后台进行数据传输实例介绍
2013/04/11 Javascript
jquery ajax修改全局变量示例代码
2013/11/08 Javascript
在javascript中如何得到中英文混合字符串的长度
2014/01/17 Javascript
JavaScript实现简单的二级导航菜单实例
2015/04/15 Javascript
jQuery实现的fixedMenu下拉菜单效果代码
2015/08/24 Javascript
浅析Javascript ES6新增值比较函数Object.is
2016/08/24 Javascript
Javascript中八种遍历方法的执行速度深度对比
2017/04/25 Javascript
vue-cli webpack2项目打包优化分享
2018/02/07 Javascript
vue中Axios的封装与API接口的管理详解
2018/08/09 Javascript
vue-cli3搭建项目的详细步骤
2018/12/05 Javascript
8 个有用的JS技巧(推荐)
2019/07/03 Javascript
JS 自执行函数原理及用法
2019/08/05 Javascript
vue项目配置使用flow类型检查的步骤
2020/03/18 Javascript
微信小程序保存图片到相册权限设置
2020/04/09 Javascript
[40:03]RNG vs VG 2019国际邀请赛小组赛 BO2 第二场 8.15
2019/08/17 DOTA
python中的字典使用分享
2016/07/31 Python
使用Python批量修改文件名的代码实例
2019/01/24 Python
PyCharm搭建Spark开发环境的实现步骤
2019/09/05 Python
python实现上传文件到linux指定目录的方法
2020/01/03 Python
python中元组的用法整理
2020/06/15 Python
G-Form护具官方网站:美国运动保护装备
2019/09/04 全球购物
教师推荐信范文
2013/11/24 职场文书
心理健康教育制度
2014/01/27 职场文书
教师求职信范文
2014/05/24 职场文书
学校安全工作汇报材料
2014/08/16 职场文书
2015年试用期自我评价范文
2015/03/10 职场文书
2019年恭贺升学祝福语集锦
2019/08/15 职场文书
Django基础CBV装饰器和中间件
2022/03/22 Python