排序算法是计算机科学中非常重要的基础概念,它在我们日常生活中的应用也十分广泛。Python作为一门易于学习、功能强大的编程语言,非常适合用来学习和实践排序算法。本文将带你通过动手实践,使用Python实现几种常见的排序算法,并通过可视化展示算法的工作过程。
1. 冒泡排序
冒泡排序是一种简单的排序算法,它通过重复遍历要排序的数列,比较每对相邻元素,如果它们的顺序错误就把它们交换过来。遍历数列的工作是重复进行的,直到没有再需要交换的元素为止。
1.1 冒泡排序的Python实现
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
return arr
1.2 冒泡排序的可视化
import matplotlib.pyplot as plt
def visualize_bubble_sort(arr):
n = len(arr)
fig, ax = plt.subplots()
ax.set_xlim(0, n)
ax.set_ylim(0, max(arr))
bars = ax.bar(range(n), arr, color='blue')
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
bars[j].set_height(arr[j])
bars[j+1].set_height(arr[j+1])
plt.pause(0.5)
plt.show()
# 测试代码
arr = [64, 34, 25, 12, 22, 11, 90]
visualize_bubble_sort(arr)
2. 选择排序
选择排序是一种简单直观的排序算法。它的工作原理是:首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。
2.1 选择排序的Python实现
def selection_sort(arr):
n = len(arr)
for i in range(n):
min_idx = i
for j in range(i+1, n):
if arr[min_idx] > arr[j]:
min_idx = j
arr[i], arr[min_idx] = arr[min_idx], arr[i]
return arr
2.2 选择排序的可视化
def visualize_selection_sort(arr):
n = len(arr)
fig, ax = plt.subplots()
ax.set_xlim(0, n)
ax.set_ylim(0, max(arr))
bars = ax.bar(range(n), arr, color='green')
for i in range(n):
min_idx = i
for j in range(i+1, n):
if arr[min_idx] > arr[j]:
min_idx = j
bars[i].set_height(arr[min_idx])
plt.pause(0.5)
plt.show()
# 测试代码
arr = [64, 34, 25, 12, 22, 11, 90]
visualize_selection_sort(arr)
3. 插入排序
插入排序是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。
3.1 插入排序的Python实现
def insertion_sort(arr):
for i in range(1, len(arr)):
key = arr[i]
j = i-1
while j >=0 and key < arr[j]:
arr[j+1] = arr[j]
j -= 1
arr[j+1] = key
return arr
3.2 插入排序的可视化
def visualize_insertion_sort(arr):
n = len(arr)
fig, ax = plt.subplots()
ax.set_xlim(0, n)
ax.set_ylim(0, max(arr))
bars = ax.bar(range(n), arr, color='red')
for i in range(1, n):
key = arr[i]
j = i-1
while j >=0 and key < arr[j]:
arr[j+1] = arr[j]
j -= 1
arr[j+1] = key
bars[i].set_height(arr[i])
plt.pause(0.5)
plt.show()
# 测试代码
arr = [64, 34, 25, 12, 22, 11, 90]
visualize_insertion_sort(arr)
4. 快速排序
快速排序是一种效率较高的排序算法,它采用分而治之的策略,将大问题分解为小问题来解决。快速排序的基本思想是:从数列中挑出一个元素,称为“基准”(pivot),重新排序数列,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(相同的数可以到任一边)。在这个分区退出之后,该基准就处于数列的中间位置。在这个分区退出之后,该基准就处于数列的中间位置。之后,该算法递归地(recursive)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。
4.1 快速排序的Python实现
def quick_sort(arr):
if len(arr) <= 1:
return arr
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quick_sort(left) + middle + quick_sort(right)
4.2 快速排序的可视化
def visualize_quick_sort(arr):
def partition(low, high):
pivot = arr[high]
i = low - 1
for j in range(low, high):
if arr[j] < pivot:
i += 1
arr[i], arr[j] = arr[j], arr[i]
arr[i+1], arr[high] = arr[high], arr[i+1]
return i+1
def quick_sort_visualize(low, high):
if low < high:
pi = partition(low, high)
quick_sort_visualize(low, pi-1)
quick_sort_visualize(pi+1, high)
n = len(arr)
fig, ax = plt.subplots()
ax.set_xlim(0, n)
ax.set_ylim(0, max(arr))
bars = ax.bar(range(n), arr, color='purple')
quick_sort_visualize(0, n-1)
plt.show()
# 测试代码
arr = [64, 34, 25, 12, 22, 11, 90]
visualize_quick_sort(arr)
5. 总结
本文介绍了Python编程入门中常见的几种排序算法,包括冒泡排序、选择排序、插入排序和快速排序。通过动手实践和可视化展示,可以帮助你更好地理解排序算法的原理和实现。在实际应用中,根据具体需求和数据特点选择合适的排序算法非常重要。希望本文能对你有所帮助。
