怎么用python来实现在校生说排序算法的可视化的?

Python培训机构粤嵌科技表示，在人工智能化的时代，现在的python已经成为开发行业比较吃香的一门开发语言了。对于想要学习python的人来说当然是想要了解更多关于python技术方面的知识点了，下面粤嵌科技的小编就来给大家整理一篇关于怎么用python来实现排序算法的可视化技术，让大家可以更加直观的了解python。

　　一、如何表示数组

　　python提供了list类型，很方便可以表示C++中的数组。标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间，再次就不详细论述。

　　二、如何得到随机采样数组，数组有无重复数据

　　假设我希望数组长度是100，而且我希望数组的大小也是在[0,100)内，那么如何得到100个随机的整数呢?可以用random库。

　　示例代码：

　　import random

　　data = list(range(100))

　　data = random.choices(data, k=100)

　　print(data)

　　[52, 33, 45, 33, 48, 25, 68, 28, 78, 23, 78, 35, 24, 44, 69, 88, 66, 29, 82, 77, 84, 12, 19, 10,

　　27, 24, 57, 42, 71, 75, 25, 1, 77, 94, 44, 81, 86, 62, 25, 69, 97, 86, 56, 47, 31, 51, 40, 21, 41,

　　21, 17, 56, 88, 41, 92, 46, 56, 80, 23, 70, 49, 96, 83, 54, 16, 36, 82, 24, 68, 60, 16, 98, 16, 81,

　　10, 13, 11, 24, 68, 35, 56, 39, 23, 44, 6, 30, 3, 60, 56, 66, 38, 28, 47, 47, 25, 90, 89, 38, 68,

　　21]

　　但是以上代码有个问题，random.choices是对一个序列进行重复采样，得到的数组存在重复数据，那如果不希望存在重复数据，而是希望进行无重复采样，怎么办?

　　可以用random.sample函数，示例代码：

　　data = random.sample(data, k=100)

　　print(data)

　　[49, 28, 56, 28, 44, 62, 81, 25, 48, 33, 54, 38, 30, 16, 13, 19, 23, 56, 60, 66, 41, 24, 68, 68,

　　77, 92, 78, 24, 66, 3, 80, 94, 78, 41, 84, 88, 21, 56, 25, 25, 75, 24, 38, 82, 31, 52, 23, 10,

　　71, 40, 27, 46, 33, 35, 56, 51, 1, 23, 12, 25, 89, 16, 21, 21, 11, 42, 47, 44, 81, 35, 86, 88,

　　29, 36, 77, 16, 39, 6, 57, 69, 96, 68, 24, 86, 97, 90, 69, 10, 68, 98, 56, 44, 83, 47, 70, 17,

　　47, 82, 60, 45]

　　这样就可以得到无重复采样数据了。

　　三、如何实现排序算法

　　算法种类较多，就不一一举例;再次就以希尔排序(Shell Sort)为例讲讲：

　　尔排序的原理：希尔排序(Shell Sort)是插入排序的一种。也称缩小增量排序，是直接插入排序算法的一种更高效的改进版本。

　　希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序;随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。

　　基础的插入法排序是两重循环，希尔排序是三重循环，最外面一重循环，控制增量gap，并逐步减少gap的值。二重循环从下标为gap的元素开始比较，依次逐个跨组处理。最后一重循环是对组内的元素进行插入法排序。这样进行排序的优点在于每次循环，整个序列的元素都将小元素的值逐步向前移动，数值比较大的值向后移动。

　　示例代码：

　　from data import DataSeq

　　def ShellSort(ds):

　　assert isinstance(ds, DataSeq), "Type Error"

　　Length = ds.length

　　D = Length//2

　　while D>0:

　　i=0

　　while i<Length:

　　tmp = ds.data[i]

　　j=i

　　while j>=1 and ds.data[j-D]>tmp:

　　ds.SetVal(j, ds.data[j-D])

　　j-=D

　　ds.SetVal(j, tmp)

　　i+=D

　　D//=2

　　if __name__ == "__main__":

　　ds=DataSeq(64)

　　ds.Visualize()

　　ds.StartTimer()

　　ShellSort(ds)

　　ds.StopTimer()

　　ds.SetTimeInterval(0)

　　ds.Visualize()

　　四、如何把数组可视化出来

　　有了随机数组初始化方法，再实现好排序函数，我们还差一步，就是把排序函数中每次移动数组后将数组可视化并输出。

　　对数组进行可视化，很容易想到python的可视化工具matplotlib!但是在项目中我并没有用matplotlib，而是用了numpy+opencv。

　　为什么不用matplotlib?

#p#分页标题#e#

　　因为在排序过程中，每次修改数组，都希望能够实时修改图片并输出，matplotlib确实很方便，但是matplotlib的效率实在是不高，而且每次修改数组前后的两幅图片其实是差不多的。如果用matplotlib，每次都是要重新绘制图片，非常耗时!

　　所以考虑自己生成图片，在每次修改数组后，只将图片中改动的那两列进行修改即可!这样就比用matplotlib每次重新绘制图片效率高得多!

　　数组中主要有两种操作，一种是对某个idx赋值，一种是交换某两个idx的值。

　　示例代码：

　　class DataSeq:

　　WHITE = (255,255,255)

　　RED = (0,0,255)

　　BLACK = (0,0,0)

　　YELLOW = (0,127,255)

　　def __init__(self, Length, time_interval=1, sort_title="Figure", repeatition=False):

　　pass

　　def Getfigure(self):

　　_bar_width = 5

　　figure = np.full((self.length*_bar_width,self.length*_bar_width,3), 255,dtype=np.uint8)

　　for i in range(self.length):

　　val = self.data[i]

　　figure[-1-val*_bar_width:, i*_bar_width:i*_bar_width+_bar_width] = self.GetColor(val, self.length)

　　self._bar_width = _bar_width

　　self.figure = figure

　　def _set_figure(self, idx, val):

　　min_col = idx*self._bar_width

　　max_col = min_col+self._bar_width

　　min_row = -1-val*self._bar_width

　　self.figure[ : , min_col:max_col] = self.WHITE

　　self.figure[ min_row: , min_col:max_col] = self.GetColor(val, self.length)

　　def SetVal(self, idx, val):

　　self.data[idx] = val

　　self._set_figure(idx, val)

　　self.Visualize((idx,))

　　def Swap(self, idx1, idx2):

　　self.data[idx1], self.data[idx2] = self.data[idx2], self.data[idx1]

　　self._set_figure(idx1, self.data[idx1])

　　self._set_figure(idx2, self.data[idx2])

　　self.Visualize((idx1, idx2))

　　以上就是粤嵌科技的小编给大家整理的关于怎么用python来实现排序算法的可视化的文章了。如果说你想要了解更多关于python技术上面的问题的话，那么可以点击我们文章下面的获取试听资格按钮来获取和我们python讲师面对面交流的机会，可以解答你更多的疑惑。