最新下载
热门教程
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
Python排序算法之插入排序及其优化方案代码解析
时间:2022-06-25 01:56:41 编辑:袖梨 来源:一聚教程网
本篇文章小编给大家分享一下Python排序算法之插入排序及其优化方案代码解析,文章代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看。
一、插入排序
插入排序与我们平时打扑克牌非常相似,将新摸到的牌插入到已有的牌中合适的位置,而已有的牌往往是有序的。
1.1 执行流程
(1)在执行过程中,插入排序会将序列分为2部分,头部是已经排好序的,尾部是待排序的。
(2)从头开始扫描每一个元素,每当扫描到一个元素,就将它插入到头部合适的位置,使得头部数据依然保持有序
1.2 逆序对
数组 <2,3,8,6,1> 的逆序对为:<2,1> ❤️,1> <8,1> <8,6> <6,1>,共5个逆序对。
插入排序的时间复杂度与逆序对的数量成正比关系,逆序对的数量越多,插入排序的消耗的时间就越多。
当逆序对的数量极少时,插入排序的效率特别高,甚至速度比 O nlogn 级别的快速排序还要快。
1.3 代码实现
将一个元素插入到数组有序的前半部分中,那个插入的位置元素一定是比该元素大,而该位置前的元素比该元素小(或者是没有前一个元素)。所以我们可以通过比较,将该元素进行冒泡:如果前一个元素比我大,则交换位置,否则停止冒泡。
def insertion_sort_ver1(array): n=len(array) for right in range(1,n): cur=right while cur>0 and array[cur-1]>array[cur]: array[cur-1],array[cur]=array[cur],array[cur-1] cur-=1
整体代码:
import numpy as np import time #检查是否有序 def orderCheck(array): for i in range(len(array)-1): if array[i]>array[i+1]: print('排序失败') return print('排序成功') def sort(sort_algorithm,ori_array): #先复制一份数组,再进行更改 array = np.copy(ori_array) start=time.clock() sort_algorithm(array) end=time.clock() total_time=float(end-start) print(sort_algorithm.__name__+" : %0.5f" % total_time) orderCheck(array) def insertion_sort_ver1(array): n=len(array) for right in range(1,n): cur=right while cur>0 and array[cur-1]>array[cur]: array[cur-1],array[cur]=array[cur],array[cur-1] cur-=1 array=np.random.randint(0,10000,2000,dtype=int) sort(insertion_sort_ver1, array)
消耗时间为0.82632秒。
1.4 优化1
在冒泡中,交换前后cur和cur-1位置两个元素的位置,需要进行两次赋值,但如果冒泡仍要继续,cur-1位置的元素还是会被cur-2位置的元素覆盖,所以两次赋值中的一次其实是无意义的,为此我们可以先找到插入位置,然后将后方的元素作统一的移动;或者是在冒泡过程中只进行一次赋值(将前一个元素移动到后方),直到冒泡结束确定插入位置后,再进行待插入元素的插入。
#元素交换作优化 def insertion_sort_ver2(array): n=len(array) for right in range(1,n): cur=right elem=array[cur] while cur>0 and array[cur-1]>elem: array[cur]=array[cur-1] cur-=1 array[cur]=elem
消耗时间为0.45987秒,明显变快了。
1.5 优化2
之前我们在寻找插入的位置时,采用的是从大到小依次遍历的方法,因为是在一个有序的数组上寻找插入的位置,我们肯定会想到一种查找的方法:二分查找。通过二分查找,我们可以通过O(logn)级别的比较与O(n)级别的元素移动完成排序任务,而之前我们进行的比较和移动,都是O(n)级别。
1.5.1 普通二分查找
普通的二分查找十分简单,根据中间位置元素大小更新两端索引位置即可,在此两端的索引 [left,right)采用左闭右开的方式,这样未查找到元素的条件就十分简单,因为区间左闭右开,当left
1.5.2 二分查找插入位置
查找插入位置的二分查找显然和普通二分不同,在此我们修改一下左右端点移动的条件与移动方式。在此左右端点依旧左闭右开,如果当array[middle]小于或等于插入元素target,那么显然middle不可能是插入位置,middle位置的元素也不再需要,left应该为middle+1;而当array[middle]大于target,那么middle有可能是插入的位置(插入位置大于target,前一个元素如果存在,应小于target),应该保留middle,所以right=middle。但是区间是左闭右开,right不可取到,哪怕right=middle,middle不还是无法取得吗?但由于array[middle]不论取何值(不管是大于、等于、小于),都将导致左右端点left、right的变化,且数组中左右端点代表区间的大小是不断减小的,最终左右端点重合,此时的位置就是插入的位置。
下面是查找的示例:
代码如下:
1.5.3 使用二分的插入排序
找到插入位置后,我们只需移动位置后面的元素,再将元素插入即可。
可见速度比之前的插入排序仍有提高。
1.6 时间空间复杂度
最坏、平均时间复杂度:O(n^2),最好时间复杂度:O(n),空间复杂度:O(1)。
1.7 稳定性
插入排序将后方的元素从后往前插入,后边相等的元素将插入在左边相等元素的右侧,没有改变原有的位置,属于稳定排序。
def binary_search(array,target):#[left,right)左闭右开
left=0
right=len(array)
while left
def binary_search(array,index):
left=0
right=index
while left
#利用二分查找找到插入的点,减少了比较的次数
def insertion_sort_ver3(array):
n=len(array)
for right in range(1,n):
index=binary_search(array,right)
elem=array[right]
for i in range(right,index,-1):
array[i]=array[i-1]
array[index]=elem
相关文章