热线电话:13121318867

登录
首页精彩阅读python实现折半查找和归并排序算法
python实现折半查找和归并排序算法
2018-05-03
收藏

python实现折半查找和归并排序算法

今天依旧是学算法,前几天在搞bbs项目,界面也很丑,评论功能好像也有BUG。现在不搞了,得学下算法和数据结构,笔试过不了,连面试的机会都没有……

今天学了折半查找算法,折半查找是蛮简单的,但是归并排序我就挺懵比,看教材C语言写的归并排序看不懂,后来参考了别人的博客,终于搞懂了。

折半查找

先看下课本对于 折半查找的讲解。注意了,折半查找是对于有序序列而言的。每次折半,则查找区间大约缩小一半。low,high分别为查找区间的第一个下标与最后一个下标。出现low>high时,说明目标关键字在整个有序序列中不存在,查找失败。

看我用python编程实现:


defBinSearch(array, key, low, high):
 mid=int((low+high)/2)
 ifkey==array[mid]:# 若找到
  returnarray[mid]
 iflow > high:
  returnFalse
 
 ifkey < array[mid]:
  returnBinSearch(array, key, low, mid-1)#递归
 ifkey > array[mid]:
  returnBinSearch(array, key, mid+1, high)
 
 
 
if__name__=="__main__":
 array=[4,13,27,38,49,49,55,65,76,97]
 ret=BinSearch(array,76,0,len(array)-1)# 通过折半查找,找到65
 print(ret)

输出: 在列表中查找76.

76

时间复杂度:O(logn)

归并排序算法

先阐述一下排序思路:

首先归并排序使用了二分法,归根到底的思想还是分而治之。归并排序是指把无序的待排序序列分解成若干个有序子序列,并把有序子序列合并为整体有序序列的过程。长度为1的序列是有序的。因此当分解得到的子序列长度大于1时,应继续分解,直到长度为1.

(下图是分解过程,图自python编程实现归并排序)

合并的过程如下:

很好,你现在可以和别人说,老子会归并排序了。但是让你写代码出来,相信你是不会的……

来来来,看我用python写的归并排序算法:

defmerge_sort(array):# 递归分解
 mid=int((len(array)+1)/2)
 iflen(array)==1:# 递归结束的条件,分解到列表只有一个数据时结束
  returnarray
 list_left=merge_sort(array[:mid])
 list_right=merge_sort(array[mid:])
 print(">>>list_left:", list_left)
 print(">>>list_right:", list_right)
 returnmerge(list_left, list_right)# 进行归并
 
 
defmerge(list_left, list_right):# 进行归并
 final=[]
 whilelist_leftandlist_right:
  iflist_left[0] <=list_right[0]:# 如果将"<="改为"<",则归并排序不稳定
   final.append(list_left.pop(0))
  else:
   final.append(list_right.pop(0))
 
 returnfinal+list_left+list_right# 返回排序好的列表
 
 
if__name__=="__main__":
 array=[49,38,65,97,76]
 print(merge_sort(array))输出:

输出:

>>>list_left: [49]
>>>list_right: [38]
>>>list_left: [38, 49]
>>>list_right: [65]
>>>list_left: [97]
>>>list_right: [76]
>>>list_left: [38, 49, 65]
>>>list_right: [76, 97]
[38, 49, 65, 76, 97] 

时间度杂度: 平均情况=最好情况=最坏情况=O(nlogn)

空间复杂度:O(n)

稳定性:稳定

对序列{ 6, 5, 3, 1, 8, 7, 2, 4 }进行归并排序的实例如下:

使用归并排序为一列数字进行排序的宏观过程:

以上就是本文的全部内容,希望对大家的学习有所帮助


数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询