Kuigi ühemõõtmelise massiivi sortimine on üldtuntud probleem, millega enamikes programmeerimiskursustes ja -õpetustes tegeldakse, võib keerulisemate andmestruktuuride, näiteks kahemõõtmelise massiivi korraldamine olla suurem väljakutse. Selles artiklis uurime mullide sortimise algoritmi rakendamist, mis sorteerib tõhusalt Pythonis 2D-massiivi, analüüsime selle toimimist ja sukeldume mõnda seotud kontseptsiooni, mis aitavad meetodit mõista ja vajadusel kohandada.
**Mullide sortimine 2D-massiivi jaoks**
Alustuseks mõelgem esmalt, mida tähendab 2D-massiivi sortimine, ja eristame seda 1D-massiivi sortimisest. Siin on näide:
1D_Array = [5, 2, 8, 1, 4]
2D_Array = [[8, 2, 6],
[1, 5, 4],
[9, 3, 7]]
Kui 1D-massiivi sortimiseks on vaja vaid numbrite seeriat õigesse järjekorda panna, siis 2D-massiivi sorteerimine viitab numbrite korraldamisele mitte ainult ridade ja veergude sees, vaid ka nende vahel. 2D-massiivi sorteerimist saab saavutada mitmel viisil, kuid meie tähelepanu keskmes on mullide sortimise algoritmi rakendamine.
** Samm-sammuline juhend 2D-massiivi sorteerimiseks mullsorteerimisega**
Vaatame nüüd üksikasjalikku selgitust mullide sortimise rakendamise kohta 2D-massiivile:
1. Looge Pythoni funktsioon, mis võtab sisse 2D massiivi.
2. Tasandage 2D massiiv 1D massiiviks.
3. Rakendage 1D-massiivile mullide sortimise algoritm.
4. Kujundage sorteeritud 1D massiiv uuesti algsete mõõtmetega 2D massiiviks.
Ja Pythonis näeb see funktsioon välja järgmiselt:
def bubble_sort_2D(arr):
n = len(arr)
k = len(arr[0])
# Flatten the 2D array into a 1D array
flat_arr = [elem for row in arr for elem in row]
# Perform bubble sort on the 1D array
for i in range(len(flat_arr)):
for j in range(0, len(flat_arr)-i-1):
if flat_arr[j] > flat_arr[j+1]:
flat_arr[j], flat_arr[j+1] = flat_arr[j+1], flat_arr[j]
# Reshape the 1D array back into a 2D array
sorted_arr = [flat_arr[i:i+k] for i in range(0, len(flat_arr), k)]
return sorted_arr
Meil on nüüd selge ja tõhus funktsioon 2D-massiivi sortimiseks Pythonis, kasutades mullide sortimise algoritmi.
Selle jaotise peamised märksõnad: Mullide sortimine, 1D massiiv, 2D massiiv, Pythoni funktsioon, tasandamine, ümberkujundamine.
Ülevaade mullide sortimise algoritmist
Mullide sortimine on põhiline sortimisalgoritm, mis toimib loendi järjestikuse itereerimise ja kahe kõrvuti asetseva elemendi võrdlemise teel. Kui elemendid on vales järjekorras, siis need vahetatakse. Seda protsessi korratakse, kuni kogu loend on täielikult sorteeritud.
Peamine eelis mullide sortimise algoritm on selle lihtsus. Kuid selle peamine puudus peitub selles jõudlus, kuna see ei ole suurte andmekogumite jaoks kõige tõhusam sortimismeetod, halvimal juhul on ajaline keerukus O (n ^ 2). Kuigi see ei pruugi olla parim valik ülitõhusate lahenduste jaoks, on see siiski piisav väiksemates rakendustes ja õppetöös.
Selle jaotise peamised märksõnad: Mullide sortimise algoritm, lihtsus, jõudlus, ajaline keerukus.
Pandad andmete lihtsaks manipuleerimiseks ja sortimiseks
Kuigi mullsorteerimine on õppimiseks oluline sortimisalgoritm, on 2D-andmestruktuuridega tegelemiseks tõhusamaid viise, eriti kui kasutate Panda raamatukogu. Pandadega saate hõlpsasti andmeid laadida, töödelda ja sorteerida, kasutades selle võimsat ja intuitiivset andmeraami struktuuri.
Siin on lühike näide 2D-loendi sortimisest Pandade abil.
import pandas as pd
data = [[8, 2, 6],
[1, 5, 4],
[9, 3, 7]]
# Load the data into a Pandas DataFrame
df = pd.DataFrame(data)
# Sort the DataFrame
sorted_df = df.stack().sort_values().unstack()
# Convert the sorted DataFrame into a 2D list
sorted_data = sorted_df.to_numpy().tolist()
Pandas pakub laia valikut lisafunktsioone, mis võivad teie andmetega manipuleerimise ja analüüsi töövoogu oluliselt täiustada, muutes selle mõnel juhul võimsaks alternatiiviks klassikaliste sortimisalgoritmide (nt mullsorteerimise) kasutamisele.
Selle jaotise peamised märksõnad: Panda teek, tõhus, 2D andmestruktuurid, sorteerimine, DataFrame.
