幾種常見的Python算法實現分別有哪些

這篇文章將為大家詳細講解有關幾種常見的Python算法實現分別有哪些，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

1、選擇排序

選擇排序是一種簡單直觀的排序算法。它的原理是這樣：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，再從剩余未排序元素中繼續尋找最小（大）元素，然后放到已排序序列的后面，以此類推，直到所有元素均排序完畢。算法實現如下：

#找到最小的元素def FindSmall(list):
 min=list[0] for i in range(len(list)): if list[i]<min:
 min=list[i] return min 
#選擇排序def Select_Sort(list):
 newArr=[] for i in range(len(list)):
 minValue=FindSmall(list)
 newArr.append(minValue)
 list.remove(minValue) return newArr
testArr=[11,22,33,21,123]print(Select_Sort(testArr))

2、快速排序

快速排序的運行速度快于選擇排序，它的工作原理是這樣：設要排序的數組是N，首先任意選取一個數據（通常選用數組的第一個數）作為關鍵數據，然后將所有比它小的數都放到它前面，所有比它大的數都放到它后面，這個過程稱為一趟快速排序。可以使用python用遞歸式的方法來解決這個問題：

def Quick_Sort(list): if len(list)<2: return list else:
 temp=list[0]
 less=[i for i in list[1:] if i<=temp]
 more=[i for i in list[1:] if i>temp] return Quick_Sort(less)+[temp]+Quick_Sort(more)
testArr= [13,44,53,24,876,2]print(Quick_Sort(testArr))

3、二分查找

二分查找的輸入是一個有序的列表，如果要查找的元素包含在一個有序列表中，二分查找可以返回其位置。打個比方來說明二分查找的原理：比如我隨便想了個范圍在1~100以內的整數，由你來猜，以最少的次數來猜出這個數字，你每次猜完給出個數字，我會回復大了或小了，第一種方法是你從1開始依次往后猜，那如果我想的數字是100，那么你就要猜100次；第二種方法是從50開始，如果我說小了，那你就猜75，就這樣依次排除掉一半的剩余數字，這就是二分查找法。可以看出二分查找法更加快速。對于包含n個元素的有序列表，用簡單查找最多需要n步，而二分查找法則最多只需lon2 n步。下面用python來實現該算法：

def Item_Search(list,item):
 low=0
 high=len(list)-1 while low<=high:
 middle=(low+high)//2 print(list[middle]) if list[middle]>item:
 high=middle-1 elif list[middle]<item:
 low=middle+1 else: return middle return None 
test_list=[1,3,5,7,9,11,13,15,17,19,21]
Item_Search(test_list,11)

4、廣度優先搜索

廣度優先搜索是一種圖算法，圖由節點和邊組成，一個節點可能與多個節點連接，這些節點稱為鄰居。廣度優先搜索算法可以解決兩類問題：第一類是從節點A出發，有沒有前往節點B的路徑；第二類問題是從節點A出發，前往B節點的哪條路徑最短。使用廣度優先搜索算法的前提是圖的邊沒有權值，即該算法只用于非加權圖中，如果圖的邊有權值的話就應使用狄克斯特拉算法來查找最短路徑。舉個例子，假如你認識alice、bob、claire，bob認識anuj、peggy，alice認識peggy，claire認識tom、jonny，你需要在最短的路徑內找到通過認識的人找到tom，那么算法實現如下：

#使用字典構建圖graph={}
graph["you"]=["Alice","Bob","Claire"]
graph["Bob"]=["Anuj","Peggy"]
graph["Alice"]=["Peggy"]
graph["Claire"]=["Tom","Jonny"]
graph["Anuj"]=[]
graph["Peggy"]=[]
graph["Tom"]=[]
graph["Jonny"]=[]from collections import deque#簡單的判斷方法def person_is_seller(name): return name=='Tom'def Search(name):
 searched=[] #用于記錄檢查過的人，防止進入死循環
 search_queue=deque() #創建隊列
 search_queue+=graph[name] while search_queue:
 person=search_queue.popleft() if not person in searched: #僅當這個人沒檢查過時才檢查
 if person_is_seller(person): print("the seller is {0}".format(person)) return True else:
 search_queue+=graph[person]
 searched.append(person) #將這個人標記為檢查過
 return Falseprint(Search("you"))

5、貪婪算法

貪婪算法，又名貪心算法，對于沒有快速算法的問題（NP完全問題），就只能選擇近似算法，貪婪算法尋找局部最優解，并企圖以這種方式獲得全局最優解，它易于實現、運行速度快，是一種不錯的近似算法。假如你是個小偷，商店里有很多箱子，箱子里有各種水果，有些箱子里有3種水果，有些箱子有2種...，你想嘗到所有種類的水果，但你一個人力氣有限，因此你必須盡量搬走最少的箱子，那么，算法實現如下：

fruits=set(["蘋果","香蕉","梨子","西瓜","草莓","橘子","荔枝","榴蓮"]) 
#箱子以及包含的水果box={}
box["b1"]=set(["蘋果","香蕉","西瓜"])
box["b2"]=set(["草莓","橘子","榴蓮"])
box["b3"]=set(["梨子","荔枝","草莓"])
box["b4"]=set(["香蕉","橘子"])
box["b5"]=set(["梨子","榴蓮"])
final_boxs=set() #最終選擇的箱子#直到fruits為空while fruits:
 best_box=None #包含了最多的未包含水果的箱子
 fruits_covered=set() #包含該箱子包含的所有未包含的水果
 #循環迭代每個箱子，并確定它是否為最佳箱子
 for boxItem,fruitItem in box.items():
 covered=fruits & fruitItem #計算交集
 if len(covered)>len(fruits_covered): 
 best_box=boxItem
 fruits_covered=covered
 fruits-=fruits_covered
 final_boxs.add(best_box) 
print(final_boxs)

關于幾種常見的Python算法實現分別有哪些就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。