學(xué)習(xí)筆記
學(xué)習(xí)書目：《算法圖解》- Aditya Bhargava

---

文章目錄

• • • 選擇排序
    • • 內(nèi)存工作原理
      • 數(shù)組
      • 鏈表
      • 讀取
      • 索引
      • 插入
      • 刪除
      • 是常見的數(shù)組和鏈表操作的運行時間
      • 選擇排序
      • python實現(xiàn)

---

選擇排序

內(nèi)存工作原理

假如我去博物館參觀，帶了玩具熊和花盆，我想把這兩樣?xùn)|西寄存一下，那么我就在服務(wù)臺要了兩個柜子寄存它們，寄存過我就可以去參觀博物館啦！(先別管我為啥不把兩樣?xùn)|西寄存在一個柜子)

這大致就是計算機內(nèi)存的工作原理。計算機就像是很多柜子的集合體，每個柜子都有地址。

比如，當(dāng)我們需要將數(shù)據(jù)存儲到內(nèi)存時，我就請求計算機提供存儲空間，計算機就會給我一個存儲地址fe0ffeeb。

當(dāng)我們需要存儲多項數(shù)據(jù)時，有兩種基本方式：數(shù)組和鏈表。下面，我們就簡要介紹一下這兩種方式。

數(shù)組

假如我想將我明天的計劃(比如：吃早飯、學(xué)《概率論與數(shù)理統(tǒng)計》、睡午覺)寫入內(nèi)存中，那么我們應(yīng)該使用數(shù)組還是鏈表呢？

如果我們將計劃存儲在數(shù)組中，那么使用數(shù)組則意味著所有計劃在內(nèi)存中都是相連的(緊靠在一起的)：

假設(shè)此時，我們要添加第4個計劃(吃水果)，但是我們看到后面的格子中被別人占用了，那該咋整呢？此時，我們就要請求計算機重新分配給我們一塊可以容納4個計劃的內(nèi)存空間，再將所有計劃都移動到那里去。

但是，如果我又要添加1個計劃可咋整呢？難道我們要再移動一次？

此時，一種解決之道是“預(yù)留空間”：即便當(dāng)前只有3個計劃，也請計算機提供10個位置，以防需要添加計劃。這樣，只要待辦事項不超過10個，就無需轉(zhuǎn)移。

雖然這種方法不錯，但還是存在以下兩種缺陷：

• 我額外請求的位置可能根本用不上，這將浪費內(nèi)存。
• 我沒有使用，別人也用不了。 待辦事項超過10個后，你還得轉(zhuǎn)移。

鏈表

相比于數(shù)組，鏈表中的元素可存儲在內(nèi)存的任何地方。鏈表的每個元素都存儲了下一個元素的地址，從而使一系列隨機的內(nèi)存地址串在一起。

在鏈表中添加元素很容易：只需將其放入內(nèi)存，并將其地址存儲到前一個元素中。

使用鏈表時，根本就不需要移動元素。這還避免了使用數(shù)組時，因為內(nèi)存中沒有足夠的連續(xù)空間(只有足夠的不連續(xù)空間)而無法分配內(nèi)存的情況。

鏈表的優(yōu)勢在插入元素方面，那數(shù)組的優(yōu)勢又是什么呢？

讀取

如果我們使用鏈表來存儲數(shù)據(jù)，在需要讀取鏈表的最后一個元素時，你不能直接讀取，因為你不知道它所處的地址，必須先訪問元素#1，從中獲取元素#2的地址，再訪問元素#2并從中獲取元素#3的地址，以此類推，直到訪問最后一個元素。需要同時讀取所有元素時，鏈表的效率很高：你讀取第一個元素，根據(jù)其中的地址再讀取第二個元素，以此類推。但如果你需要跳躍，鏈表的效率真的很低。

而數(shù)組則與此不同，因為數(shù)組是相連的，所以如果我們知道數(shù)元素#1的地址為00，那么元素#5的地址就是04。需要隨機地讀取元素時，數(shù)組的效率很高，因為可迅速找到數(shù)組的任何元素。

索引

數(shù)組的元素帶編號，編號從0而不是從1開始：

In [14]: (1, 2, 3, 4)[0] Out[14]: 1

從0開始讓基于數(shù)組的代碼編寫起來更容易，因此程序員始終堅持這樣做。幾乎所有的編程語言都從0開始對數(shù)組元素進行編號。元素的位置稱為索引，因此，不說元素1的位置為0，而說元素1位于索引0處。

插入

假如，我突然想起來，明天吃完早飯后要先跑步，那么我們將跑步這個計劃插入總計劃中的時候，數(shù)組和鏈表哪一個表現(xiàn)更好呢？

使用鏈表時，插入元素很簡單，只需要修改它前面的那個元素指向的地址即可：

使用數(shù)組時，則需要將后面的元素都向后移動。但是，如果后面沒有空間了，那么還得將整個數(shù)組復(fù)制到其他地方。

刪除

如果你要刪除元素呢？

鏈表也是更好的選擇，因為只需修改前一個元素指向的地址即可。而使用數(shù)組時，刪除元素后，必須將后面的元素都向前移。不同于插入，刪除元素總能成功。如果內(nèi)存中沒有足夠的空間，插入操作可能失敗，但在任何情況下都能夠?qū)⒃貏h除。

是常見的數(shù)組和鏈表操作的運行時間

數(shù)組鏈表

讀取	O(1)	O(n)
插入	O(n)	O(1)
刪除	O(n)	O(1)

數(shù)組和鏈表哪個用得更多呢？顯然要看情況。但數(shù)組用得很多，因為它支持隨機訪問。
順序訪問意味著從第一個元素開始逐個地讀取元素。鏈表只能順序訪問：要讀取鏈表的第十個元素，得先讀取前九個元素，并沿鏈接找到第十個元素。隨機訪問意味著可直接跳到第十個元素。

選擇排序

假設(shè)A班有5位同學(xué)，對于這些同學(xué)，我的計算機里都記錄了它們的期末考試總分。現(xiàn)在我將這些同學(xué)和他們的成績裝在列表1中：

成績

A	259
B	199
C	287
D	250
E	266

我想按照成績的高低對它們進行降序排列，那么我們該怎么做呢？

一種辦法是遍歷這個列表1，找出成績最好的同學(xué)，并將該同學(xué)添加到一個新列表(列表2)中；再次這樣做，找出成績第2好的同學(xué)，再將該同學(xué)添加到列表2，以此類推，最終我們將得到一個有序的列表2。

下面從計算機科學(xué)的角度出發(fā)，我們看看這需要多長時間。別忘了，O(n)時間意味著查看列表中的每個元素一次，如果我們想要找出成績最好的同學(xué)，就要檢查列表中的每一個元素。需要的總時間為 O(n × n)，即O($n^2$).

• 需要檢查的元素越來越少

但是此時，我們可能會提出一個疑問。

隨著排序的進行，每次需要檢查的元素數(shù)在逐漸減少，最后一次需要檢查的元素都只有一個。既然如此，運行時間怎么還是O($n^2$)呢？

你說得沒錯，并非每次都需要檢查n個元素。第一次需要檢查n個元素，但隨后檢查的元素數(shù)依次為n - 1, n – 2, …, 2和1。平均每次檢查的元素數(shù)為$\frac{1}{2}n$，因此運行時間為O($\frac{1}{2}{n}^2$)。但大O表示法省略諸如1/2這樣的常數(shù)，因此簡單地寫作O(n × n)或O($n^2$).

python實現(xiàn)

# -*- coding: utf-8 -*-def findMaximum(arr):maximum = arr[0]maximum_index = 0for item in range(1, len(arr)):if arr[item] > maximum :maximum = arr[item]maximum_index = itemreturn maximum_indexdef selectionSort(arr):newArr = []for item in range(len(arr)):maximum = findMaximum(arr)newArr.append(arr.pop(maximum))return newArrprint(selectionSort([259,199,287,250,266]))

輸出結(jié)果：

[287, 266, 259, 250, 199]

總結(jié)

以上是生活随笔為你收集整理的小白的算法初识课堂(part2)--选择排序的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。