Imaginez que vous avez un morceau de papier dans votre main avec 1 000 noms répertoriés et que vous devez en trouver un, mais cette liste n'est pas par ordre alphabétique. Ce serait très frustrant, non? Bien qu'il fasse beaucoup de temps pour trier cette liste, cela facilite la recherche des noms. Donc, le trier des choses est notre désir naturel humain, et la recherche de listes triées est évidemment plus d'économie que la recherche de listes non ordonnées.
Dans le monde de l'ordinateur, la liste des recherches peut être très importante et même des ordinateurs rapides, les performances peuvent être affectées. Dans ce cas, un algorithme de tri et de recherche approprié serait la solution à de tels problèmes. Le tri est le processus de tri d'une liste de valeurs dans l'ordre, tandis que la recherche est le processus de recherche de la position des valeurs dans la liste.
Pour illustrer l'importance de cette question, permettez-moi de vous montrer ce que le grand informaticien américain Donald Knuth a dit:
Les fabricants d'ordinateurs dans les années 1960 ont estimé que, compte tenu de tous les clients, plus de 25% de leur temps d'exécution par ordinateur a été dépensé pour le tri. En fait, dans de nombreux cas d'installation, la tache de tri représente plus de la moitié du temps de calcul. à partir de ces statistiques, nous pouvons conclure que (i) le tri a de nombreuses applications importantes, ou (ii) de nombreuses personnes trient quand elles ne devraient pas, ou (iii) des algorithmes de tri inefficaces ont été largement utilisés. —— "L'art de la programmation informatique" Volume 3: Trier et recherche, page 3
Dans ce tutoriel, je vais vous montrer comment implémenter l'algorithme de tri de sélection et l'algorithme de recherche linéaire.
Mais avant de commencer, si vous voulez juste trier et rechercher dans votre code Python, je vous montrerai la méthode intégrée.
Méthodes et fonctions de tri intégrées dans Python
Vous pouvez créer de nombreux algorithmes de tri à l'aide de Python. Il s'agit d'un bon exercice d'apprentissage, mais pour les applications de production, vous devez vous en tenir aux fonctions et méthodes stockées intégrées dans Python.
Python a une méthode list.sort()
que vous pouvez utiliser pour trier la liste en place. L'algorithme de tri utilisé dans les coulisses de Python est appelé Timsort. Il s'agit d'un algorithme de tri hybride basé sur le tri des insert et le tri de fusion qui offre d'excellentes performances dans de nombreuses vies réelles. Voici un exemple de la fa?on d'utiliser ces deux fonctions et méthodes:
marks_a = [61, 74, 58, 49, 95, 88] marks_b = [94, 85, 16, 47, 88, 59] # [49, 58, 61, 74, 88, 95] print(sorted(marks_a)) # None print(marks_b.sort()) # [61, 74, 58, 49, 95, 88] print(marks_a) # [16, 47, 59, 85, 88, 94] print(marks_b)
Vous pouvez remarquer certaines des situations du code ci-dessus. La fonction sorted()
renvoie une nouvelle liste triée sans modifier la liste d'origine marks_a
. Cependant, la liste originale reste la même. D'un autre c?té, lorsque nous appelons la méthode marks_b
sur sort()
, il renvoie None
.
Vous pouvez transmettre certains paramètres pour modifier le comportement de tri. Par exemple, transmettez une fonction au paramètre reverse
, qui trie notre liste de mots par ordre alphabétique sans aucun paramètre. Dans le deuxième cas, nous utilisons sorted()
pour inverser l'ordre des mots triés. reverse=True
Sélectionner le tri L'algorithme est basé sur la sélection continue de la valeur minimale ou maximale. Supposons que nous ayons une liste que nous voulons trier par ordre ascendant (petit à grand). Le plus petit élément sera au début de la liste et le plus grand élément sera à la fin de la liste.
Supposons que la liste originale ressemble à ceci:
| 7 | 5 | 3.5 | 4 | 3.1 |
minimum dans la liste, dans ce cas . 3.1
. Autrement dit, échange avec . La liste ressemblera maintenant à ceci: 3.1
7
| 3.1 | 5 | 3.5 | 4 | 7 |
Maintenant que nous déterminons la position correcte du premier élément de la liste, nous répétons les étapes ci-dessus (trouvons la valeur minimale) du deuxième élément
. Nous allons donc maintenant échanger avec . La liste devient maintenant: 3.5
3.5
5
à ce stade, nous nous assurons que le premier élément et le deuxième élément sont dans leur position correcte. | 3.1 | 3.5 | 5 | 4 | 7 |
. La valeur minimale dans le reste de la liste est
, avec laquelle nous échangeons maintenant. Par conséquent, la liste devient: 5
4
5
Par conséquent, nous déterminons maintenant que les trois premiers éléments | 3.1 | 3.5 | 4 | 5 | 7 |
sont dans la bonne position et que le processus se poursuit de cette manière.
Voyons comment implémenter l'algorithme de tri de sélection dans Python (basé sur Isai Damier):
Testons l'algorithme en ajoutant l'instruction suivante à la fin du script ci-dessus:
marks_a = [61, 74, 58, 49, 95, 88] marks_b = [94, 85, 16, 47, 88, 59] # [49, 58, 61, 74, 88, 95] print(sorted(marks_a)) # None print(marks_b.sort()) # [61, 74, 58, 49, 95, 88] print(marks_a) # [16, 47, 59, 85, 88, 94] print(marks_b)Dans ce cas, vous devriez obtenir la sortie suivante:
def selectionSort(aList): for i in range(len(aList)): least = i for k in range(i+1, len(aList)): if aList[k] < aList[least]: least = k swap(aList, least, i) def swap(A, x, y): temp = A[x] A[x] = A[y] A[y] = temp
Algorithme de recherche linéaire
[4.6, 4.7, 5.76, 7.3, 7.6, 25.3, 32.4, 43.5, 52.3, 55.3, 86.7]
L'algorithme est un algorithme simple dans lequel chaque élément de la liste est vérifié (à partir du premier élément) jusqu'à ce que l'élément souhaité soit trouvé ou que la fin de la liste soit atteinte.
L'algorithme de recherche linéaire est implémenté dans Python comme suit (basé sur Python School):
Testons le code. Entrez l'instruction suivante à la fin du script Python ci-dessus:Lorsque vous entrez
my_list = [5.76,4.7,25.3,4.6,32.4,55.3,52.3,7.6,7.3,86.7,43.5] selectionSort(my_list) print(my_list), assurez-vous qu'il se situe entre les citations simples ou doubles (c'est-à-dire
). Par exemple, si vous tapez
, vous devriez obtenir la sortie suivante:def linearSearch(item,my_list): found = False position = 0 while position < len(my_list) and not found: if my_list[position] == item: found = True position = position + 1 return found
input
'pencil'
'pencil'
Et si vous entrez
Oops, your item seems not to be in the bag
Conclusion
Comme nous l'avons vu, Python se prouve à nouveau en tant que langage de programmation facile à programmer le concept d'algorithmes, tout comme nous traitons ici des algorithmes de tri et de recherche.
Il convient de noter qu'il existe d'autres types d'algorithmes de tri et de recherche. Si vous souhaitez approfondir ces algorithmes à l'aide de Python, vous pouvez vous référer au manuel de programmation orienté objet Python gratuit.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undress AI Tool
Images de déshabillage gratuites

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
échangez les visages dans n'importe quelle vidéo sans effort grace à notre outil d'échange de visage AI entièrement gratuit?!

Article chaud

Outils chauds

Bloc-notes++7.3.1
éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Le polymorphisme est un concept de base dans la programmation orientée objet Python, se référant à "une interface, plusieurs implémentations", permettant le traitement unifié de différents types d'objets. 1. Le polymorphisme est implémenté par la réécriture de la méthode. Les sous-classes peuvent redéfinir les méthodes de classe parent. Par exemple, la méthode Spoke () de classe animale a des implémentations différentes dans les sous-classes de chiens et de chats. 2. Les utilisations pratiques du polymorphisme comprennent la simplification de la structure du code et l'amélioration de l'évolutivité, tels que l'appel de la méthode Draw () uniformément dans le programme de dessin graphique, ou la gestion du comportement commun des différents personnages dans le développement de jeux. 3. Le polymorphisme de l'implémentation de Python doit satisfaire: la classe parent définit une méthode, et la classe enfant remplace la méthode, mais ne nécessite pas l'héritage de la même classe parent. Tant que l'objet implémente la même méthode, c'est ce qu'on appelle le "type de canard". 4. Les choses à noter incluent la maintenance

Les paramètres sont des espaces réservés lors de la définition d'une fonction, tandis que les arguments sont des valeurs spécifiques transmises lors de l'appel. 1. Les paramètres de position doivent être passés dans l'ordre, et l'ordre incorrect entra?nera des erreurs dans le résultat; 2. Les paramètres de mots clés sont spécifiés par les noms de paramètres, qui peuvent modifier l'ordre et améliorer la lisibilité; 3. Les valeurs de paramètres par défaut sont attribuées lorsqu'elles sont définies pour éviter le code en double, mais les objets variables doivent être évités comme valeurs par défaut; 4. Les args et * kwargs peuvent gérer le nombre incertain de paramètres et conviennent aux interfaces générales ou aux décorateurs, mais doivent être utilisées avec prudence pour maintenir la lisibilité.

Les itérateurs sont des objets qui implémentent __iter __ () et __Next __ (). Le générateur est une version simplifiée des itérateurs, qui implémentent automatiquement ces méthodes via le mot clé de rendement. 1. L'ITERATOR renvoie un élément chaque fois qu'il appelle Next () et lance une exception d'arrêt lorsqu'il n'y a plus d'éléments. 2. Le générateur utilise la définition de la fonction pour générer des données à la demande, enregistrer la mémoire et prendre en charge les séquences infinies. 3. Utilisez des itérateurs lors du traitement des ensembles existants, utilisez un générateur lors de la génération de Big Data ou de l'évaluation paresseuse, telles que le chargement ligne par ligne lors de la lecture de fichiers volumineux. Remarque: les objets itérables tels que les listes ne sont pas des itérateurs. Ils doivent être recréés après que l'itérateur a atteint sa fin, et le générateur ne peut le traverser qu'une seule fois.

Une méthode de classe est une méthode définie dans Python via le décorateur @classMethod. Son premier paramètre est la classe elle-même (CLS), qui est utilisée pour accéder ou modifier l'état de classe. Il peut être appelé via une classe ou une instance, qui affecte la classe entière plut?t que par une instance spécifique; Par exemple, dans la classe de personne, la méthode show_count () compte le nombre d'objets créés; Lorsque vous définissez une méthode de classe, vous devez utiliser le décorateur @classMethod et nommer le premier paramètre CLS, tel que la méthode Change_var (new_value) pour modifier les variables de classe; La méthode de classe est différente de la méthode d'instance (auto-paramètre) et de la méthode statique (pas de paramètres automatiques), et convient aux méthodes d'usine, aux constructeurs alternatifs et à la gestion des variables de classe. Les utilisations courantes incluent:

La clé pour gérer l'authentification de l'API est de comprendre et d'utiliser correctement la méthode d'authentification. 1. Apikey est la méthode d'authentification la plus simple, généralement placée dans l'en-tête de demande ou les paramètres d'URL; 2. BasicAuth utilise le nom d'utilisateur et le mot de passe pour la transmission de codage Base64, qui convient aux systèmes internes; 3. OAuth2 doit d'abord obtenir le jeton via client_id et client_secret, puis apporter le Bearertoken dans l'en-tête de demande; 4. Afin de gérer l'expiration des jetons, la classe de gestion des jetons peut être encapsulée et rafra?chie automatiquement le jeton; En bref, la sélection de la méthode appropriée en fonction du document et le stockage en toute sécurité des informations clés sont la clé.

Les MagicMethodes de Python (ou Méthodes Dunder) sont des méthodes spéciales utilisées pour définir le comportement des objets, qui commencent et se terminent par un double soulignement. 1. Ils permettent aux objets de répondre aux opérations intégrées, telles que l'addition, la comparaison, la représentation des cha?nes, etc.; 2. Les cas d'utilisation courants incluent l'initialisation et la représentation des objets (__init__, __repr__, __str__), les opérations arithmétiques (__add__, __sub__, __mul__) et les opérations de comparaison (__eq__, ___lt__); 3. Lorsque vous l'utilisez, assurez-vous que leur comportement répond aux attentes. Par exemple, __Repr__ devrait retourner les expressions d'objets refactorables et les méthodes arithmétiques devraient renvoyer de nouvelles instances; 4. Des choses sur l'utilisation ou la confusion doivent être évitées.

PythonManagesMemoryAutomAticalusingreferenceCountandAgarBageCollect

@Property est un décorateur de Python utilisé pour masquer les méthodes comme propriétés, permettant des jugements logiques ou un calcul dynamique des valeurs lors de l'accès aux propriétés. 1. Il définit la méthode Getter via le décorateur @property, de sorte que l'extérieur appelle la méthode comme l'accès aux attributs; 2. Il peut contr?ler le comportement d'attribution avec .setter, tel que la validité de la valeur de vérification, si le .setter n'est pas défini, il s'agit d'un attribut en lecture seule; 3. Il convient à des scènes telles que la vérification de l'attribution de propriétés, la génération dynamique de valeurs d'attribut et la masquage des détails de l'implémentation interne; 4. Lorsque vous l'utilisez, veuillez noter que le nom d'attribut est différent du nom de variable privé pour éviter les boucles mortes et convient aux opérations légères; 5. Dans l'exemple, la classe Circle restreint le rayon non négatif, et la classe de personne génère dynamiquement l'attribut Full_name
