源码网商城,靠谱的源码在线交易网站 我的订单 购物车 帮助

源码网商城

python八大排序算法速度实例对比

  • 时间:2021-07-14 23:59 编辑: 来源: 阅读:
  • 扫一扫,手机访问
摘要:python八大排序算法速度实例对比
这篇文章并不是介绍排序算法原理的,纯粹是想比较一下各种排序算法在真实场景下的运行速度。 算法由 Python 实现,可能会和其他语言有些区别,仅当参考就好。 测试的数据是自动生成的,以数组形式保存到文件中,保证数据源的一致性。 [b]排序算法[/b] [img]http://files.jb51.net/file_images/article/201712/2017126164838729.png?2017116164850[/img] [b]直接插入排序[/b] 时间复杂度:O(n²) 空间复杂度:O(1) 稳定性:稳定
def insert_sort(array):
  for i in range(len(array)):
    for j in range(i):
      if array[i] < array[j]:
        array.insert(j, array.pop(i))
        break
  return array
[b]希尔排序[/b] 时间复杂度:O(n) 空间复杂度:O(n√n) 稳定性:不稳定
def shell_sort(array):
  gap = len(array)
  while gap > 1:
    gap = gap // 2
    for i in range(gap, len(array)):
      for j in range(i % gap, i, gap):
        if array[i] < array[j]:
          array[i], array[j] = array[j], array[i]
  return array
[b]简单选择排序[/b] 时间复杂度:O(n²) 空间复杂度:O(1) 稳定性:不稳定
def select_sort(array):
  for i in range(len(array)):
    x = i # min index
    for j in range(i, len(array)):
      if array[j] < array[x]:
        x = j
    array[i], array[x] = array[x], array[i]
  return array
[b]堆排序[/b] 时间复杂度:O(nlog₂n) 空间复杂度:O(1) 稳定性:不稳定
def heap_sort(array):
  def heap_adjust(parent):
    child = 2 * parent + 1 # left child
    while child < len(heap):
      if child + 1 < len(heap):
        if heap[child + 1] > heap[child]:
          child += 1 # right child
      if heap[parent] >= heap[child]:
        break
      heap[parent], heap[child] = \
        heap[child], heap[parent]
      parent, child = child, 2 * child + 1

  heap, array = array.copy(), []
  for i in range(len(heap) // 2, -1, -1):
    heap_adjust(i)
  while len(heap) != 0:
    heap[0], heap[-1] = heap[-1], heap[0]
    array.insert(0, heap.pop())
    heap_adjust(0)
  return array
[b]冒泡排序[/b] 时间复杂度:O(n²) 空间复杂度:O(1) 稳定性:稳定
def bubble_sort(array):
  for i in range(len(array)):
    for j in range(i, len(array)):
      if array[i] > array[j]:
        array[i], array[j] = array[j], array[i]
  return array
[b]快速排序[/b] 时间复杂度:O(nlog₂n) 空间复杂度:O(nlog₂n) 稳定性:不稳定
def quick_sort(array):
  def recursive(begin, end):
    if begin > end:
      return
    l, r = begin, end
    pivot = array[l]
    while l < r:
      while l < r and array[r] > pivot:
        r -= 1
      while l < r and array[l] <= pivot:
        l += 1
      array[l], array[r] = array[r], array[l]
    array[l], array[begin] = pivot, array[l]
    recursive(begin, l - 1)
    recursive(r + 1, end)

  recursive(0, len(array) - 1)
  return array
[b]归并排序[/b] 时间复杂度:O(nlog₂n) 空间复杂度:O(1) 稳定性:稳定
def merge_sort(array):
  def merge_arr(arr_l, arr_r):
    array = []
    while len(arr_l) and len(arr_r):
      if arr_l[0] <= arr_r[0]:
        array.append(arr_l.pop(0))
      elif arr_l[0] > arr_r[0]:
        array.append(arr_r.pop(0))
    if len(arr_l) != 0:
      array += arr_l
    elif len(arr_r) != 0:
      array += arr_r
    return array

  def recursive(array):
    if len(array) == 1:
      return array
    mid = len(array) // 2
    arr_l = recursive(array[:mid])
    arr_r = recursive(array[mid:])
    return merge_arr(arr_l, arr_r)

  return recursive(array)
[b]基数排序[/b] 时间复杂度:O(d(r+n)) 空间复杂度:O(rd+n) 稳定性:稳定
def radix_sort(array):
  bucket, digit = [[]], 0
  while len(bucket[0]) != len(array):
    bucket = [[], [], [], [], [], [], [], [], [], []]
    for i in range(len(array)):
      num = (array[i] // 10 ** digit) % 10
      bucket[num].append(array[i])
    array.clear()
    for i in range(len(bucket)):
      array += bucket[i]
    digit += 1
  return array
[b]速度比较[/b]
from random import random
from json import dumps, loads
# 生成随机数文件
def dump_random_array(file='numbers.json', size=10 ** 4):
  fo = open(file, 'w', 1024)
  numlst = list()
  for i in range(size):
    numlst.append(int(random() * 10 ** 10))
  fo.write(dumps(numlst))
  fo.close()
# 加载随机数列表
def load_random_array(file='numbers.json'):
  fo = open(file, 'r', 1024)
  try:
    numlst = fo.read()
  finally:
    fo.close()
  return loads(numlst)
from _datetime import datetime
# 显示函数执行时间
def exectime(func):
  def inner(*args, **kwargs):
    begin = datetime.now()
    result = func(*args, **kwargs)
    end = datetime.now()
    inter = end - begin
    print('E-time:{0}.{1}'.format(
      inter.seconds,
      inter.microseconds
    ))
    return result
  return inner
如果数据量特别大,采用分治算法的快速排序和归并排序,可能会出现递归层次超出限制的错误。 解决办法:导入 sys 模块(import sys),设置最大递归次数(sys.setrecursionlimit(10 ** 8))。
@exectime
def bubble_sort(array):
  for i in range(len(array)):
    for j in range(i, len(array)):
      if array[i] > array[j]:
        array[i], array[j] = array[j], array[i]
  return array
array = load_random_array()
print(bubble_sort(array) == sorted(array))
↑ 示例:测试直接插入排序算法的运行时间,@exectime 为执行时间装饰器。 [b]算法执行时间[/b] [img]http://files.jb51.net/file_images/article/201712/2017126165339316.png?2017116165349[/img] [b]算法速度比较[/b] [img]http://files.jb51.net/file_images/article/201712/2017126165419901.png?2017116165428[/img] [img]http://files.jb51.net/file_images/article/201712/2017126165442195.png?2017116165451[/img] [b]总结[/b] 以上就是本文关于Python八大排序算法速度实例对比的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站: [url=http://www.1sucai.cn/article/129904.htm][b]Python3简单实例计算同花的概率代码[/b][/url] [url=http://www.1sucai.cn/article/129824.htm][b]Python语言描述最大连续子序列和[/b][/url] [url=http://www.1sucai.cn/article/129566.htm][b]Python实现调度算法代码详解[/b][/url] 如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!
  • 全部评论(0)
联系客服
客服电话:
400-000-3129
微信版

扫一扫进微信版
返回顶部