


Memahami Isih Sisipan: Pendekatan Didorong Soalan
Dalam catatan blog ini, kami akan mengambil pendekatan terdorong soalan untuk memahami asas algoritma isihan sisipan. Saya menghasilkan pendekatan ini apabila saya cuba mencari cara yang lebih baik untuk memahami algoritma sisipan dan lain-lain yang akan saya pelajari tidak lama lagi. Saya ingin membina strategi yang boleh saya gunakan pada kebanyakan, jika tidak semua, algoritma yang akan saya pelajari. Semasa saya memikirkan perkara ini, saya pasti bahawa saya mungkin perlu menggunakan pemikiran prinsip pertama
Diinspirasikan oleh pemikiran prinsip pertama, pendekatan ini melibatkan percubaan pertama untuk memahami algoritma, sama ada pemahaman awal kita kabur atau jelas. Kami kemudiannya mengenal pasti konsep atau mekanik kecil yang terlibat yang membentuk algoritma. Dengan membentuk soalan mengenai mekanik atau konsep kecil ini. Kami pada asasnya cuba memahami cara kerja algoritma dari perspektif kecil yang berbeza dengan tumpuan untuk cuba menyelesaikan soalan yang kami bentuk sendiri.
Jawapan yang anda bentuk mungkin atau mungkin tidak pada mulanya menyerupai sintaks yang digunakan dalam algoritma sebenar. Matlamatnya adalah untuk menjawab soalan anda sendiri, tidak kira sama ada sintaksnya hampir atau tidak. Sebaik sahaja anda mempunyai pemahaman yang jelas, anda kemudian boleh menukar, menggabungkan jawapan anda untuk menggunakan sintaks, serupa dengan pelaksanaan sebenar algoritma. Saya percaya proses ini membolehkan anda meneroka bentuk kod alternatif, memahami sebab sintaks tertentu digunakan, menangani kes tepi dengan cara yang lebih baik sendiri.
Saya percaya kaedah ini memastikan kami memahami teori dan alasan di sebalik setiap baris kod, menjadikan proses pelaksanaan lebih intuitif dan bermakna. Soalan berikut dan proses pemikiran yang saya lalui membantu saya memahami Isih Sisipan dengan lebih baik dan membolehkan saya mengodkannya dengan berkesan.
Bagi anda, soalan mungkin berbeza; mereka mungkin lebih banyak, lebih sedikit atau berbeza sama sekali. Mungkin ada yang mengatakan ini serupa dengan kejuruteraan terbalik, walau apa pun yang anda panggil, kaedah ini membolehkan saya mendapat pemahaman yang menyeluruh tentang algoritma Isih Sisipan. Saya harap ia melakukan perkara yang sama untuk anda untuk mana-mana algoritma lain. Soo, mari selami!
Pelaksanaan Isih Sisipan
Ini ialah bentuk kod yang akhirnya akan kami laksanakan untuk Isih Sisipan.
def insertion_sort(values): for new_value_index in range(1,len(values)): new_value = values[new_value_index] index = new_value_index-1 while index>=0: if values[index]<new_value:break values[index+1] = values[index] index-=1 values[index+1] = new_value
Soalan
Diberi senarai diisih, menggunakan gelung sambil, cetak nilai dari kanan ke kiri.
values = [4,8,12,16,20,24,30] # given a sorted list, using while loop, print values from right to left. index = len(values)-1 while index>=0: print(values[index],end = " ") index-=1
Memandangkan senarai diisih dan nilai baharu, cari indeks di mana nilai baharu itu akan dimasukkan untuk memastikan senarai diisih.
values = [4, 8, 12, 16, 20, 24] new_value = 14 # using while loop, if traversing from right to left index = len(values)-1 while index>=0: if values[index]<new_value: break index-=1 print(values,new_value,index)
Memandangkan senarai diisih dan nilai baharu, masukkan nilai baharu pada senarai supaya ia kekal diisih.
values = [4, 8, 12, 16, 20, 24] new_value = 14 # if traversal from right to left index = len(values)-1 while index>=0: if values[index]<new_value:break index-=1 values = values[:index+1] + [new_value] + values[index+1:] print(values)
Diberi senarai diisih, kemudian ditambah dengan nilai baharu, alihkan nilai baharu ke kedudukan indeks yang diberikan.
values = [4, 8, 12, 16, 20, 24, 30] new_value = 14 values.append(new_value) given_index = 3 # above given n = len(values)-1 index = n-1 while index>given_index: values[index+1] = values[index] index-=1 print(values) values[given_index+1] = new_value print(values)
Diberi senarai diisih, kemudian ditambah dengan nilai baharu, isih senarai.
values = [4, 8, 12, 16, 20, 24, 30] new_value = 14 values.append(new_value) print(values) ### given a sorted list, then appended with new value, sort the list #### n = len(values)-1 new_value = values[-1] # find the index at which the value is to be inserted # right to left index = n-1 while index>=0: if values[index]<new_value:break index-=1 given_index = index print("given_index : " , given_index) # move the values forward by one step until we reach the given index index = n-1 while index>given_index: values[index+1] = values[index] index-=1 values[index+1] = new_value print(values)
Diberikan senarai diisih, kemudian ditambah dengan nilai baharu, susun senarai.
values = [4, 8, 12, 16, 20, 24, 30] new_values = [14,32] values += new_values print(values) # given a sorted list, then appended with two new value(s), sort the list n = len(values)-1 new_value_start_index = n - 1 print(new_value_start_index, values[new_value_start_index]) for new_value_index in range(new_value_start_index,len(values)): new_value = values[new_value_index] index = new_value_index-1 while index>=0: if values[index]<new_value: break values[index+1] = values[index] index-=1 values[index+1] = new_value print(values)
Senarai diberi, susunlah.
import random values = random.sample(range(10,90), k = 10) values
print(values) for new_value_index in range(1,len(values)): new_value = values[new_value_index] index = new_value_index-1 while index>=0: if values[index]<new_value:break values[index+1] = values[index] index-=1 values[index+1] = new_value print(values)
Pelaksanaan Isih Sisipan
def insertion_sort(values): for new_value_index in range(1,len(values)): new_value = values[new_value_index] index = new_value_index-1 while index>=0: if values[index]<new_value:break values[index+1] = values[index] index-=1 values[index+1] = new_value
Sumber Tambahan
Walaupun saya pada mulanya bekerja melalui set soalan yang komprehensif untuk memahami algoritma dengan lebih baik, soalan di atas adalah satu set soalan yang saya fikir penting untuk memahami Isih Sisipan dengan cara yang lebih baik. Termasuk semua soalan yang saya kerjakan akan menjadikan siaran itu agak panjang.
Bagi mereka yang berminat untuk melihat semua soalan, saya telah mencipta Buku Nota Jupyter yang mengandungi set penuh soalan dengan jawapan saya sendiri, yang membolehkan saya memahami pelaksanaan Isih Sisipan sepenuhnya.
Saya menggalakkan anda menyemak buku nota jika anda ingin menyelidiki lebih lanjut.
Pembetulan dan cadangan dialu-alukan.
Atas ialah kandungan terperinci Memahami Isih Sisipan: Pendekatan Didorong Soalan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
