冒泡排序(python)

python排序算法 — 冒泡排序

1.冒泡排序(Bubble Sort)定义

冒泡排序(Bubble Sort) ,是一种计算机科学领域的较简单的排序算法。它重复地走访过要排序的元素列,依次比较两个相邻的元素,如果他们的顺序(如从大到小、首字母从A到Z)错误就把他们交换过来。走访元素的工作是重复地进行直到没有相邻元素需要交换,也就是说该元素列已经排序完成。这是来自百度百科的标准定义。当然,本人也有对冒泡排序的小小见解

冒泡排序:冒泡排序就是遍历整个数组序列,从第一次遍历开始找出整个数组中的最大值(或最小值)放到指定的数组位置(最前或最后),然后进行二次遍历,找出仅次于(或等于)前一个值的数紧跟在前一个遍历出来的数的后边,再次进行遍历,重复上述过程,直到循环遍历完成。


2.推导过程

把大数往后挪
开始遍历数组(列表)遍历过程遍历结果
L=[34, 19, 20, 30, 10, 5, 88, 40]从L[0]:(34)开始,两相邻的数进行比较,直到L[7]:40,大的数往后排。34与其后的数进行比较,直到于L[6]比较,小于L[6],就不在互换位置,而44 小于88,两者又互换了位置。故遍历出了最大数88。L=[19, 20, 30, 10, 5, 34,40,80]
L=[19, 20, 30, 10, 5, 34,40,80]第二次遍历,因找出最大数88,故只需比较L[0]:19与L[6]:40之间的数。19小于20,20小于30,都不需要互换位置。30大于其后的10,故互换位置,30大于5,也与其互换位置。30与其后的34,40比较,小于二者。故不再换位。遍历出次大数40。L=[19, 20, 10, 5,30, 34,40,80]
L=[19, 20, 10, 5,30,34,40,80]第三次遍历,比较L[0]到L[5]。20与10互换位置,20与5互换位置。找出L[0]与L[5]之间的最大数34。L=[19,10, 5,20,30,34,40,80]
L=[19,10, 5,20,30,34,40,80]第四次遍历,比较L[0]到L[4]。19与10互换位置,19与5互换位置。找出L[0]与L[4]之间的最大数30。L=[10, 5,19,20,30,34,40,80]
L=[10, 5,19,20,30,34,40,80]第五次遍历,比较L[0]到L[3]。10与5户换位置。找出L[0]与L[3]之间的最大数20。L=[5,10,19,20,30,34,40,80]

虽然遍历了5次就将数组排序成功,但仍需遍历2次,遍历才会结束

时间复杂度:N^2

3.问题及代码实现过程

#list=[12,433,55,4656,22,778,905,5,76,854],用冒泡排序给该函数排序
for i in range(len(lista) - 1): #遍历列表,range函数没有上界
    for j in range(len(lista) - i - 1):#遍历列表,找出最大数。
        # len(lista) - i - 1:已经循环遍历出来的数就不再进行遍历比较,减少遍历次数
        if lista[j] > lista[j + 1]:#转换位置条件
            lista[j], lista[j + 1] = lista[j + 1], lista[j]#两个数互换位置,继续进行比较
            pass
        pass
    pass
print(list)
内容概要:本文详细介绍了“秒杀商城”微服务架构的设计与实战全过程,涵盖系统从需求分析、服务拆分、技术选型到核心功能开发、分布式事务处理、容器化部署及监控链路追踪的完整流程。重点解决了高并发场景下的超卖问题,采用Redis预减库存、消息队列削峰、数据库乐观锁等手段保障数据一致性,并通过Nacos实现服务注册发现与配置管理,利用Seata处理跨服务分布式事务,结合RabbitMQ实现异步下单,提升系统吞吐能力。同时,项目支持Docker Compose快速部署和Kubernetes生产级编排,集成Sleuth+Zipkin链路追踪与Prometheus+Grafana监控体系,构建可观测性强的微服务系统。; 适合人群:具备Java基础和Spring Boot开发经验,熟悉微服务基本概念的中高级研发人员,尤其是希望深入理解高并发系统设计、分布式事务、服务治理等核心技术的开发者;适合工作2-5年、有志于转型微服务或提升架构能力的工程师; 使用场景及目标:①学习如何基于Spring Cloud Alibaba构建完整的微服务项目;②掌握秒杀场景下高并发、超卖控制、异步化、削峰填谷等关键技术方案;③实践分布式事务(Seata)、服务熔断降级、链路追踪、统一配置中心等企业级中间件的应用;④完成从本地开发到容器化部署的全流程落地; 阅读建议:建议按照文档提供的七个阶段循序渐进地动手实践,重点关注秒杀流程设计、服务间通信机制、分布式事务实现和系统性能优化部分,结合代码调试与监控工具深入理解各组件协作原理,真正掌握高并发微服务系统的构建能力。
### 冒泡排序算法的Python实现 以下是基于提供的引用内容以及专业知识整理出的关于冒泡排序算法的详细解释和代码示例。 #### 冒泡排序简介 冒泡排序是一种简单直观的排序方法,其核心思想是比较相邻的两个元素并根据大小关系决定是否交换位置。这一过程会不断重复,直到整个序列变得有序[^2]。 #### Python实现冒泡排序的核心逻辑 1. **外层循环**:控制遍历次数,每次遍历都会将当前未排序部分的最大值放到最后。 2. **内层循环**:负责逐一比较相邻的两个元素,并在必要时进行交换操作。 3. **优化机制**:引入`swapped`标志变量,在某一轮遍历时如果没有发生任何交换,则可提前结束排序过程[^4]。 #### 示例代码 下面是一个经过优化的冒泡排序函数: ```python def bubble_sort(arr): n = len(arr) for i in range(n): swapped = False # 添加一个标记来判断本轮是否有数据交换 for j in range(0, n - i - 1): if arr[j] > arr[j + 1]: arr[j], arr[j + 1] = arr[j + 1], arr[j] swapped = True if not swapped: # 若此轮无交换则表示已完全排序好 break return arr if __name__ == "__main__": test_array = [64, 34, 25, 12, 22, 11, 90] print("原始数组:", test_array) result = bubble_sort(test_array) print("排序后的数组:", result) ``` 这段程序展示了完整的冒泡排序流程及其性能改进措施[^4]。 #### 性能分析 - **时间复杂度** - 最坏情况下(输入为倒序),需执行约 \(n^2\) 次比较与交换动作,因此时间复杂度为\(O(n^2)\)[^4]。 - 最佳情形下(即初始状态已经是正序排列),只需线性扫描一遍即可确认无需调整,此时的时间复杂度降为\(O(n)\)[^4]。 - **空间复杂度**: 因为只涉及少量辅助变量而不会占用额外内存区域,所以空间复杂度恒定为\(O(1)\)[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值