冒泡排序和快速排序

冒泡排序

  • 冒泡排序是一种比较简单的排序算法。它重复地遍历要排序的数列,一次比较两个元素,如果它们顺序错误就调换。
  • 冒泡排序的算法实现:
    1. 比较相邻的两个元素,如果第一个比第二个大(升序排列),就交换它们两个的位置。
    2. 对每一对相邻的元素做同样的工作,从第一对到结尾的最后一对。这时zuihou最后的元素将会是最大的数。
    3. 针对所有的元素,重复以上的步骤,除了结尾已排序好的。直到没有任何一对数字需要比较。
  • python代码实现
import random, time

# 随机生成一个列表,里面有10000个数字
data = [random.randint(10, 10000) for i in range(10000)]

# 冒泡排序
def bubble(data):
    for i in range(len(data) - 1, 0, -1):
        for j in range(i):
            if data[j] > data[j + 1]:
                data[j], data[j + 1] = data[j + 1], data[j]

# 统计排序用了多久时间
start = time.time()
bubble(data)
end = time.time()
print(end - start)

耗时:7.338299751281738秒

快速排序

  • 快速排序又称为划分交换排序
    1.通过一趟排序将要排序的数据分割成独立的两部分
    2.其中一部分的所有数据都比另外一部分的所有数据都要小
    3.然后再按照此方法对这两部分数据分别进行快速排序
    4.然后整个过程可以递归进行,以此达到整个数据变成有序序列

  • 实现步骤:
    1.从数列中挑出一个元素为“基准”
    2.重归排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任意一边),在这个分区结束后该基准就处于数列的中间位置。这个称为分区操作。
    3.递归地把小于基准值元素的子数列和大于基准值元素的子数列排序。


    快速排序.PNG
  • python代码实现方式一

# 随机生成一个列表
data = [random.randint(10, 10000) for i in range(10000)]
# 快速排序方式一
def quick_sort(data):
    left, middle, right = [], [], []
    if len(data) > 1:
        pivot = data[0]
        for i in data:
            if i < pivot:
                left.append(i)
            elif i == pivot:
                middle.append(i)
            else:
                right.append(i)
        return quick_sort(left) + middle + quick_sort(right)
    else:
        return data


start = time.time()
quick_sort(data)
end = time.time()
print(end - start)

耗时:0.016863584518432617秒

  • python代码实现二
# 随机生成一个列表
data = [random.randint(10, 10000) for i in range(10000)]
# 快速排序方式二
def quick2_sort(data: list, start: int, end: int):
    # 递归的退出条件
    if start >= end:
        return

    # 设定起始元素为要寻找位置的基准元素
    mid = data[start]

    # low为序列左边的由左向右移动的游标
    low = start

    # high为序列右边的由右向左移动的游标
    high = end

    while low < high:
        # 如果low与high未重合,high指向的元素不比基准元素小,则high向左移动
        while low < high and data[high] >= mid:
            high -= 1
        # 将high指向的元素放到low的位置上
        data[low] = data[high]

        # 如果low与high未重合,low指向的元素比基准元素小,则low向右移动
        while low < high and data[low] < mid:
            low += 1
        # 将low指向的元素放到high的位置上
        data[high] = data[low]

    # 退出循环后,low与high重合,此时所指位置为基准元素的正确位置
    # 将基准元素放到该位置
    data[low] = mid

    # 对基准元素左边的子序列进行快速排序
    quick2_sort(data, start, low - 1)

    # 对基准元素右边的子序列进行快速排序
    quick2_sort(data, low + 1, end)


start = time.time()
quick2_sort(data, 0, 10000 - 1)
end = time.time()
print(end - start)

耗时:0.01979970932006836秒

冒泡排序和快速排序的对比

同样的一组数据,快速排序所需要的时间比冒泡排序快的太多了

排序算法总结

排序算法总结.PNG
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,884评论 6 513
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,212评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 167,351评论 0 360
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,412评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,438评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,127评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,714评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,636评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,173评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,264评论 3 339
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,402评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,073评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,763评论 3 332
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,253评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,382评论 1 271
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,749评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,403评论 2 358