几种常见的Python算法实现分别有哪些

本文将详细讲解几种常见的Python算法实现，文章内容质量较高，所以边肖将分享给大家参考。希望大家看完这篇文章后对相关知识有一定的了解。

1.选择排序。

选择性排序是一种简单直观的排序算法。其原理如下：首先，在未排序的序列中找到最小(大)元素，并将其存储在排序序列的开头；然后，继续从剩余的未排序元素中搜索最小的(大的)元素，然后将其放在排序后的序列后面，以此类推，直到所有元素都被排序。该算法实现如下：

#找到了最小的元素deffindmall(列表):

min=list[0]for line range(len(list)): if list[I]min :

min=list[i]returnmin

#选择排序定义选择_排序(列表):

newArr=[]for iirange(len(list)):

最小值=查找小(列表)

new err . append(MinVaLue)

list.remove(minValue)返回新值

testar=[11，22，33，21，123]print(select _ sort(testar))2。快速分类。

快速排序运行速度比选择性排序快，其工作原理如下：让要排序的数组为n，首先选择任意数据(通常是数组的第一个数字)作为关键数据，然后将所有小于它的数字放在前面，所有大于它的数字放在后面。这个过程叫做快速排序。您可以使用python递归地解决这个问题：

defQuick_Sort(列表):iflen(列表)2:returnlistelse:

temp=列表[0]

less=[iforiinlist[1:]ifi=temp]

more=[iforiinlist[1:]if temp]returnQuick _ Sort(更少)[temp] Quick_Sort(更多)

testar=[13，44，53，24，876，2]print(quick _ sort(testar))3。二分搜索法。

二分搜索法的输入是一个有序列表。如果要搜索的元素包含在有序列表中，二分搜索法可以返回它的位置。我们用一个类比来说明二分搜索法的原理：比如我随机想到一个1~100范围内的整数，你用最少的次数猜出这个数。每次你猜完给一个数字，我都会回复是大还是小。第一种方法是你从1开始，然后依次猜测。如果我要的数字是100，那么你要猜100次。第二种方法是从50开始。如果我说太小，那么你可以猜75，从而依次消除剩余数字的一半。这就是二分搜索法方法。可以看出，二分搜索法方法更快。对于包含n个元素的有序列表，简单搜索最多需要n步，而二分搜索法算法最多只需要lon2 n步。下面的算法是用python实现的：

defItem_Search(列表，项目):

低=0

high=len(列表)-1whilelow=high:

middle=(低高)//2 print(list[middle])if list[middle]item :

high=middle-1 liflist[middle]项目：

low=中1 LSE : returnmiddlereturnnone

test_list=[1，3，5，7，9，11，13，15，17，19，21]

项目_搜索(测试_列表，11)4。广度优先搜索。

广度优先搜索是一种由节点和边组成的图算法。一个节点可以连接多个节点，这些节点称为邻居。广度优先搜索算法可以解决两类问题：第一类是节点A到节点B是否有路径；第二个问题是从节点A到节点b哪条路径最短，使用广度优先搜索算法的前提是图的边没有权重，即该算法只用于未加权的图。如果图的边有权重，则应使用Dikstra算法来寻找最短路径。例如，如果你认识爱丽丝、鲍勃和克莱尔，鲍勃认识anuj和peggy，爱丽丝认识peggy，克莱尔认识tom和jonny，你需要在最短路径中找到你认识的人来找到tom，那么算法实现如下：

#使用字典构建图表图表={}。

图['你']=['爱丽丝'，' B

ob","Claire"]
graph["Bob"]=["Anuj","Peggy"]
graph["Alice"]=["Peggy"]
graph["Claire"]=["Tom","Jonny"]
graph["Anuj"]=[]
graph["Peggy"]=[]
graph["Tom"]=[]
graph["Jonny"]=[]from collections import deque#简单的判断方法def person_is_seller(name): return name=='Tom'def Search(name):
 searched=[] #用于记录检查过的人，防止进入死循环
 search_queue=deque() #创建队列
 search_queue+=graph[name] while search_queue:
 person=search_queue.popleft() if not person in searched: #仅当这个人没检查过时才检查
 if person_is_seller(person): print("the seller is {0}".format(person)) return True else:
 search_queue+=graph[person]
 searched.append(person) #将这个人标记为检查过
 return Falseprint(Search("you"))

5、贪婪算法

贪婪算法，又名贪心算法，对于没有快速算法的问题（NP完全问题），就只能选择近似算法，贪婪算法寻找局部最优解，并企图以这种方式获得全局最优解，它易于实现、运行速度快，是一种不错的近似算法。假如你是个小偷，商店里有很多箱子，箱子里有各种水果，有些箱子里有3种水果，有些箱子有2种...，你想尝到所有种类的水果，但你一个人力气有限，因此你必须尽量搬走最少的箱子，那么，算法实现如下：

fruits=set(["苹果","香蕉","梨子","西瓜","草莓","橘子","荔枝","榴莲"]) 
#箱子以及包含的水果box={}
box["b1"]=set(["苹果","香蕉","西瓜"])
box["b2"]=set(["草莓","橘子","榴莲"])
box["b3"]=set(["梨子","荔枝","草莓"])
box["b4"]=set(["香蕉","橘子"])
box["b5"]=set(["梨子","榴莲"])
final_boxs=set() #最终选择的箱子#直到fruits为空while fruits:
 best_box=None #包含了最多的未包含水果的箱子
 fruits_covered=set() #包含该箱子包含的所有未包含的水果
 #循环迭代每个箱子，并确定它是否为最佳箱子
 for boxItem,fruitItem in box.items():
 covered=fruits & fruitItem #计算交集
 if len(covered)>len(fruits_covered): 
 best_box=boxItem
 fruits_covered=covered
 fruits-=fruits_covered
 final_boxs.add(best_box) 
print(final_boxs)

关于几种常见的Python算法实现分别有哪些就分享到这里了，希望