数据结构+算法 次日 排序算法 二叉树 排序二叉树

顺序查找

查找原理:

从列表中的第一个元素开始,咱们按照基本的元素排序,简单的从一个元素移动到另外一个元素,直到找到咱们要找的元素或是遍历完整个列表.

实例代码:

def search(item,alist):
    find=False
    length=len(alist)

    for i in range(length):
        if alist[i] == item:
            find=True

    return find

对有序列表进行循环会提高查找的效率:

def search(alist,item):
    find=False
    length=len(alist)
    pos=0
    stop=False
    while pos <=length and not stop:
        if alist[pos] == item
            find=True
            break
        elif alist[pos]>item:
            stop = True
        pos+=1
    
    return find

二分法查找(注意 : 二分法查找查找的对象必须是有序的)

 概况:

咱们在以前在进行有序列表的查找时,发现若是咱们查找的对象在列表的最后一个,咱们查找一次以后,还有n-1次才能查找到,二分法查找则是将列表的最中间的元素找到,而后跟咱们找的值进行比较,若是比这个数大,则将中间这个数前面的全部数排除掉,在将中间这个值做为新列表的起始值.这样极大地提高了咱们的查找效率,固然只有在列表的值很大的时候才能发现出效果.

 实例代码:

def search(alist,item):
    first_index=0
    last_index=len(alist-1)
    find_status=False

    while first_index<=last_index and not find_status:
        mid_index=(first_index+last_index)//2

        if alist[mid_index] > item:
            last_index =mid_index-1

        elif alist[mid_index] < item:
            first_index=mid_index+1
        else:
            find=True
    
    return find

二叉树

结构:
    根节点
    叶子节点
       - 左叶子节点
       - 右叶子节点
    子树

二叉树中有节点和树模型,这里咱们要分别写节点和树模型.

节点:

class Node:
    def __init__(self,item):
        self.left=None
        self.right=None
        self.item=item

空树模型:

class Tree:
    def __init__(self):
        self.root=None
    
    #往树中添加数据
    def add(self,item):
　　　　 #实例化一个节点
        node=Node(item)
        #若是树是空树,直接将节点添加到树根
        if self.root == None:
            self.root=node    
            return 
        queue=[self.root]

        #从队列中取值,而且判断直到return或者队列为空为止
        while queue:
            cur=queue.pop(0)
            if self.left == None:
                self.left = node
                return
            else:
                queue.append(cur.left)
            if self.right == None:
                self.right = node
                return
            else:
                queue.append(cur.right)
    
    #广度优先遍历
    def guangdu(self):
        queue=[self.root]
        while queue:
            cur = queue.pop(0)
            if cur.left is not None:
                queue.append(cur.left)
            elif cur.right is not None:
                queue.append(cur.right)

    #深度优先遍历(分为三种形式,根左右,左根右,左右根)
    def root_left_right(self,root):
        if root == None:
            return
        print(root.item,end='')
        root_left_right(root.left)
        root_left_right(root.right)

    def left_root_right(self,root):
        if root ==None:
            return
        left_root_right(self.left)
        print(root.item)
        left_root_right(self.right)

    def left_right_root(self,root):
        if root == None:
            return
        left_right_root(root.left)
        left_right_root(root.right)
        print(root.item)

遍历二叉树有两种方法: 广度优先遍历和深度优先遍历

广度优先遍历: 从根节点开始一层一层的开始遍历.

深度优先遍历:从根节点开始,往下找,若是左节点下面还有节点,继续往下找,直到找到最后一个节点为止(这里深度优先遍历分为三种,根左右,左根右,左右根)

 根左右(前序)

左根右(中序,中序是能够对列表中的元素进行排序的)

 

左右根(后序)

排序二叉树

在插入数据的时候须要一个准则,好比比根节点大的数插入到右边,比根节点小的数插入到左边.

class Node:
    def __init__(self,item):
        self.item=item
        self.left=None
        self.right=None

class Tree:
    def __init__(self):
        self.root = None
　　#如下是广度优先遍历的代码,深度优先遍历跟普通的二叉树同样
    def insert(self,item):
        node=Node(item)
        if self.root == None:
            self.root = node
            return
        cur = self.root
        while True:
            if item > cur.item:
                if cur.right == None:
                    cur.right = node
                    reutrn 
                cur =cur.right
            else:
                if cur.left == None:
                    cur.left =node
                    return
                cur =cur.left

排序算法

这里咱们介绍5中排序规则
　　- 冒泡排序
　　- 选择排序
　　- 插入排序
　　- 希尔排序
　　- 快速排序(快排)

冒泡排序(若是前面那个数比后面那个数大,就互换位置)

def maopao(alist):
    length=len(alist)
　　 #若是不进行此次循环,列表仍是无序的,只是将最大值放到了最后的位置
    for j in range(length-1):
　　　　　#此次循环是为了将最大值放到最后
        for i in range(length-1-j):
            if alist[i]>alist[i+1]:
                alist[i],alist[i+1] = alist[i+1],alist[i]
    return alist

选择排序(先指定第一个索引位置的数字为最大数字,而后从第二个数开始循环,若是这个数比第一个大,那么将最大索引改成新数的索引,直到循环玩这个列表,在将最大数的索引与列表最后一个索引互换便可)

def xuanze(alist):
    length=len(alist)
　　 #若是不进行这个for循环,没法将每次循环获得的最大值放到最后一个位置
    for j in range(length-1,0,-1):
        max_index=0
        for i in range(1,j+1):
            if alist[i] > alist[max_index]:
                max_index = i

        alist[max_index],alist[j] = alist[j],alist[max_length]

    return alist

插入排序(假设前面第一个数为一个列表中的第一个元素,从第二个数开始循环,若是比他小,就互换位置,而后再次循环,直到循环到第一个索引为止)

def charu(alist):
    for i in range(1,len(alist)):
        while i>0:
            if alist[i] < alist[i-1]:
                alist[i],alist[i-1]=alist[i-1],alist[i]
                i-=1
            else:
                break
    return alist

希尔排序(其实能够理解成优化版的插入排序,至关于分了个组)

 

那么有人会问了,为何我不能直接用插入排序呢,这不是闲的嘛.你想呀,咱们这个插入排序是否是要循环好屡次呢,若是咱们有100万条数据,咱们要循环100万次呢,而希尔排序会帮我缩短查找的次数,官方一点就是希尔排序的时间复杂度是O(n),而插入排序的时间复杂度为O(n²).因此希尔排序比直接插入排序要省时.

def sort(alist):
    gap = len(alist) // 2
    while gap >= 1:
        for j in range(gap,len(alist)):
            i = j
            while i>0:
                if alist[i] < alist[i-gap]:
                    alist[i],alist[i-gap] = alist[i-gap],alist[i]
                    i = i-gap
                else:
                    break
        
        #缩减增量
        gap = gap//2
    return alist

快速排序

def sort(alist,start,end):
    low = start
    high = end
    mid = alist[low]
    
    if low >= high:
        return
    
    while low < high:
        while low < high:
            #判断的话要从右往左
            if alist[high] > mid:
                high -= 1
            else:
                alist[low] = alist[high]
                break

        while low < high:
            #判断的话要从左往右
            if alist[low] < mid:
                low += 1
            else:
                alist[high] = alist[low]
                break
    alist[low] = mid
    
    #mid左侧的子列表
    sort(alist,start,low-1)
    #mid右侧的子列表
    sort(alist,low+1,end)
    
    return alist