Python 算法 快速排序
Python 算法 快速排序
# -*- coding: utf-8 -*- from random import randint, shuffle def _partition(seq, p, r): """数组划分,伪码如下: PARTITION(A, p, r) 1 x ← A[r] // 作为划分主元 2 i ← p-1 3 for j ← p to r-1 4 do if A[j] <= x 5 then i ← i + 1 // 前划分区域的索引 6 exchange A[i] ↔A[j] // 小值交换到前面 7 exchange A[i+1] ↔A[r] // A[r]交换到前区域结尾 8 return i + 1 T(n) = θ(n) """ x = seq[r] i = p - 1 for j in range(p, r): if seq[j] <= x: i += 1 seq[i], seq[j] = seq[j], seq[i] i += 1 seq[i], seq[r] = seq[r], seq[i] return i def _quick_sort(seq, p, r): """递归调用,伪码如下: QUICKSORT(A, p, r) 1 if p < r 2 then q ← PARTITION(A, p, r) 3 QUICKSORT(A, p, q-1) 4 QUICKSORT(A, q+1, r) T(n) = θ(n^2) """ if p >= r: return q = _partition(seq, p, r) _quick_sort(seq, p, q - 1) _quick_sort(seq, q + 1, r) def quick_sort(seq): """快速排序 Args: seq (Sequence): 一个序列对象。 """ _quick_sort(seq, 0, len(seq) - 1) def _rand_partition(seq, p, r): """随机取样交换后再划分,伪码如下: RANDOMIZED-PARTITION(A, p, r) 1 i ← RANDOM(p, r) // 从A[p..r]中随机选出一个 2 exchange A[r] ↔ A[i] // A[r]与其交换 3 return PARTITION(A, p, r) T(n) = O(n) """ i = randint(p, r) seq[r], seq[i] = seq[i], seq[r] return _partition(seq, p, r) def _rand_qsort(seq, p, r): """随机取样划分方式的递归调用,伪码如下: RANDOMIZED-QUICKSORT(A, p, r) 1 if p < r 2 then q ← RANDOMIZED-PARTITION(A, p, r) 3 RANDOMIZED-QUICKSORT(A, p, q-1) 4 RANDOMIZED-QUICKSORT(A, q+1, r) T(n) = O(n^2) """ if p >= r: return q = _rand_partition(seq, p, r) _rand_qsort(seq, p, q - 1) _rand_qsort(seq, q + 1, r) def rand_qsort(seq): """快速排序(随机化版本)""" _rand_qsort(seq, 0, len(seq) - 1) def qsort(L): """快速排序(简易版本) 更多: Python Cookbook 2nd Edition 第5.11章节 """ if not L: return [] return qsort([x for x in L[1:] if x < L[0]]) + L[0:1] + \ qsort([x for x in L[1:] if x >= L[0]]) if __name__ == '__main__': import timeit items = range(10000) shuffle(items) def test_sorted(): print(items) sorted_items = sorted(items) print(sorted_items) def test_quick_sort(): print(items) quick_sort(items) print(items) test_methods = [test_sorted, test_quick_sort] # test_rand_qsort, test_qsort for test in test_methods: name = test.__name__ # test.func_name t = timeit.Timer(name + '()', 'from __main__ import ' + name) print(name + ' takes time : %f' % t.timeit(1))

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

处理嘈杂的图像是一个常见的问题,尤其是手机或低分辨率摄像头照片。 本教程使用OpenCV探索Python中的图像过滤技术来解决此问题。 图像过滤:功能强大的工具 图像过滤器

PDF 文件因其跨平台兼容性而广受欢迎,内容和布局在不同操作系统、阅读设备和软件上保持一致。然而,与 Python 处理纯文本文件不同,PDF 文件是二进制文件,结构更复杂,包含字体、颜色和图像等元素。 幸运的是,借助 Python 的外部模块,处理 PDF 文件并非难事。本文将使用 PyPDF2 模块演示如何打开 PDF 文件、打印页面和提取文本。关于 PDF 文件的创建和编辑,请参考我的另一篇教程。 准备工作 核心在于使用外部模块 PyPDF2。首先,使用 pip 安装它: pip 是 P

本教程演示了如何利用Redis缓存以提高Python应用程序的性能,特别是在Django框架内。 我们将介绍REDIS安装,Django配置和性能比较,以突出显示BENE

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

本教程演示了在Python 3中创建自定义管道数据结构,利用类和操作员超载以增强功能。 管道的灵活性在于它能够将一系列函数应用于数据集的能力,GE

Python是数据科学和处理的最爱,为高性能计算提供了丰富的生态系统。但是,Python中的并行编程提出了独特的挑战。本教程探讨了这些挑战,重点是全球解释
