python八大排序算法速度实例对比
发布时间：2020-12-17 07:47:10 所属栏目：Python 来源：网络整理
导读：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。 排序算法 直接插入排序
|
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。 排序算法
直接插入排序 时间复杂度：O(n²)
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
希尔排序 时间复杂度：O(n)
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
简单选择排序 时间复杂度：O(n²)
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
堆排序 时间复杂度：O(nlog₂n)
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
冒泡排序 时间复杂度：O(n²)
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[i]
return array
快速排序 时间复杂度：O(nlog₂n)
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
归并排序 时间复杂度：O(nlog₂n)
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)
基数排序 时间复杂度：O(d(r+n))
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
速度比较
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,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。 算法执行时间
算法速度比较
总结 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： Python3简单实例计算同花的概率代码 Python语言描述最大连续子序列和 Python实现调度算法代码详解 如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！ （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
