江苏龙网

  1. 首页 > 人文 > >

蓝色星晨|Python学习重在实践，对选择排序法的发散练习

对于刚入门Python的人经常有这样一种感觉 ， 那就是当看到别人写的代码时 ， 大脑说：“真简单 ， 我会了！”但等到需要自己去写代码时 ， 手却说 ， “对不起 ， 我不会 。 ”
这就是缺乏实践的缘故！实践可以让我们做到熟能生巧 ， 对于一些常规的问题形成条件反射 ， 手指和大脑形成快速联动 。 实践的一种好方式就是 ， 选择一个目标 ， 然后不断进行发散 ， 通过不同的方式去完成 ， 每完成一种方式就是对这种方式所涉及到知识的一种巩固 。 这也是我们在《Python学习方法：先生主干、再繁枝叶 ， 任何领域都适用》一文中所提倡的学习方法 。
本文以选择排序法为例 ， 研究各种不同的实现方式 ， 以及过程中所涉及到的知识点 。
选择排序法介绍【蓝色星晨|Python学习重在实践，对选择排序法的发散练习】选择排序法是一种非常简单直观的算法 ， 虽然简单 ， 但也可以锻炼下逻辑思维能力 。 它的实现步骤如下：

  • 在未排序序列中找到最小值 ， 放在排序序列的起始位置；
  • 从剩余未排序序列中继续寻找最小值 ， 放在已排序序列的末尾；
  • 重复第二步 ， 直到所有元素排序完毕 。
选择排序法发散下图列出了对于选择排序法可供发散的方向 ， 但发散方向因人而异 ， 每个人都可以想到很多与众不同的发散方向 ， 本图仅供参考 。
蓝色星晨|Python学习重在实践，对选择排序法的发散练习（1）复杂度
算法复杂度分为时间复杂度和空间复杂度 ， 空间复杂度是程序在运行过程中占用了多少的内存 ， 时间复杂度是算法运行时间的度量 。
  • 程序执行时间和执行次数成正比；
  • 时间复杂度是程序执行次数的最高价；
  • 用大O表示时间复杂度 ， 其是表示代码执行时间随数据规模增长的变化趋势 ， 也称渐进时间复杂度 ， 简称时间复杂度；
  • 空间复杂度的衡量方式和时间复杂度一样 。
复杂度是一种抽象的衡量 ， 但如果想知道程序的具体执行时间我们可以通过相关代码来实现 。
import datetime as dtstart=dt.datetime.now()'''执行程序'''end=dt.datetime.now()elapsed=end-start（2）逻辑思维能力
在理解排序的原理时 ， 大脑会抽象形成排序的动态过程 ， 抽象这一过程不仅是对大脑逻辑思维能力的锻炼 ， 同时也能寻找到新的逻辑方法 。
编程实践Python中是有现成的排序方法的 。 根据这 ， 我们可以复习下列表的两个排序函数 。
import numpy as npla=list(np.random.randint(0,100,20))la.sort(key=lambda x: np.sin(x),reverse=False)#key是排序的条件；默认升序 ， reverse表示是否反转；不返回任何值 ， 更改原列表sorted(la,key=lambda x: np.sin(x)),reverse=False) #不更改原列表 ， 返回排序后的列表（1）常规方法
常规方法就是文章前面提到的逻辑 ， 通过双层循环来对序列进行排序 。 在这种方法中可以好好理解下交换赋值法
import numpy as npla=list(np.random.randint(0,100,20))def sort_select_one(la):for i in range(len(la)-1):for j in range(i+1,len(la)):if la[i]>la[j]:la[i],la[j]=la[j],la[i] #理解交换赋值法法 ， 解释器从右向左计算 ， 然后链式赋值else:continuereturn lasort_select_one(la)（2）自定义方法
我们可以先自定义一个寻找最小值和其索引的函数 ， 然后再将对序列进行第二层循环变更为函数调用 。 通过此法可以掌握自定义函数的调用 ， 以及传递参数的理解 。
import numpy as npla=list(np.random.randint(0,100,20))#自定义计算最小值的函数def min_value(la):min_value=http://kandian.youth.cn/index/np.infmin_index=np.inffor i,j in enumerate(la):if j


推荐阅读


上一篇：闲情居|Redmi K30至尊纪念版搭载天玑1000+，跑得又快又稳

下一篇：科技资讯眺望|你不知道的网络爬虫编程那些事！爬虫与反爬的战争一直在无声发生