python快速排序的实现及运行时间比较
快速排序的基本思想:首先选定一个数组中的一个初始值,将数组中比该值小的放在左边,比该值大的放在右边,然后分别对左边的数组进行如上的操作,对右边的数组进行如上的操作。(分治+递归)
1.利用匿名函数lambda
匿名函数的基本用法func_name = lambda x:array,冒号左边的x代表传入的参数,冒号右边的array代表返回值,当然名字是可以自己取的。
quick_sort = lambda array: \ array if len(array) <= 1 \ else quick_sort([item for item in array[1:] if item <= array[0]]) \ + [array[0]] + \ quick_sort([item for item in array[1:] if item > array[0]])
2.将匿名函数拆解封装为函数
def func2(array): if len(array)<=1: return array tmp = array[0] left = [x for x in array[1:] if x<=tmp] right = [x for x in array[1:] if x>tmp] return func2(left) + [tmp] + func2(right)
3.网上常见的
def func2(array,left,right): if left>=right: return low=left high=right tmp=array[low] while left<right: while left<right and array[right]>tmp: right-=1 array[left] = array[right] while left<right and array[left]<=tmp: left+=1 array[right]=array[left] array[right]=tmp func2(array,low,left-1) func2(array,left+1,high)
4.算法导论里面的
def func3(array, l, r): if l < r: q = partition(array, l, r) func3(array, l, q - 1) func3(array, q + 1, r) def partition(array, l, r): x = array[r] i = l - 1 for j in range(l, r): if array[j] <= x: i += 1 array[i], array[j] = array[j], array[i] array[i + 1], array[r] = array[r], array[i + 1] return i + 1
5.利用栈实现非递归版本
def func4(array, l, r): if l >= r: return stack = [] stack.append(l) stack.append(r) while stack: low = stack.pop(0) high = stack.pop(0) if high - low <= 0: continue x = array[high] i = low - 1 for j in range(low, high): if array[j] <= x: i += 1 array[i], array[j] = array[j], array[i] array[i + 1], array[high] = array[high], array[i + 1] stack.extend([low, i, i + 2, high])
6.python内置的
sorted(array)
本来是想利用装饰器来测一下每个函数的运行时间的,但是由于快排里面存在递归,使用装饰器会报错,就只好一个个计算了。这里还是贴一下用装饰器计算时间的代码:
def count_time(func): @wraps(func) def helper(func,*args,**kwargs): start=time() result = func(*args,**kwargs) end=time() print("函数:", func.__name__, "运行时间:", round(end - start, 4), "s") return result return helper
这里我们的输入是随机生成的在0-100间的整数,我们测试一下在不同数量下的消耗时间:
from functools import wraps from random import randint from time import time func1_start =time() res = quick_sort(array) func1_end =time() print("函数:func1 运行时间:", round(func1_end - func1_start, 4), "s") func2_start =time() func2(array) func2_end =time() print("函数:func2 运行时间:", round(func2_end - func2_start, 4), "s") func3_start =time() func3(array,0,len(array)-1) func3_end =time() print("函数:func3 运行时间:", round(func3_end - func3_start, 4), "s") func4_start =time() func4(array,0,len(array)-1) func4_end =time() print("函数:func4 运行时间:", round(func4_end - func4_start, 4), "s") func5_start =time() func5(array,0,len(array)-1) func5_end =time() print("函数:func5 运行时间:", round(func5_end - func5_start, 4), "s") func6_start =time() sorted(array) func6_end =time() print("函数:func6 运行时间:", round(func6_end - func6_start, 4), "s")
输入array的定义:
array = [randint(0,100) for i in range(5000)]
需要注意的是,随着数据量的增加,方法4,也就是算法导论中的会出现以下问题:
这是因为python中的递归深度是有一定限制的,可以使用如下方法暂时解决该问题:
import sys sys.setrecursionlimit(100000)
同时,方法4还会出现内存溢出问题,方法4也太坑了。
最后对比一下这些方法消耗的时间:
总结:
方法一、方法二速度较快,同时也较好理解,想要学会快速排序,只要记住方法二即可;
python内置的排序速度还是最快的呀;
以上所述是小编给大家介绍的python快速排序的实现及运行时间比较,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!
相关文章
关于Pycharm配置翻译插件Translation报错更新TTK失败不能使用的问题
这篇文章主要介绍了关于Pycharm配置翻译插件Translation报错更新TTK失败不能使用的问题,本文通过图文并茂的形式给大家分享解决方案,需要的朋友可以参考下2022-04-04
最新评论