Ví dụ thuộc tính python

Khái niệm cơ bản về sắp xếp¶

Một sắp xếp tăng dần đơn giản là rất dễ dàng. chỉ cần gọi hàm

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> sorted([5, 2, 3, 1, 4])
[1, 2, 3, 4, 5]

Bạn cũng có thể sử dụng phương pháp

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Một điểm khác biệt nữa là phương thức

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]

Chức năng chính¶

Cả

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Ví dụ: đây là so sánh chuỗi không phân biệt chữ hoa chữ thường

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Giá trị của tham số khóa phải là một hàm (hoặc hàm có thể gọi khác) nhận một đối số duy nhất và trả về một khóa để sử dụng cho mục đích sắp xếp. Kỹ thuật này nhanh vì chức năng chính được gọi chính xác một lần cho mỗi bản ghi đầu vào

Một mẫu phổ biến là sắp xếp các đối tượng phức tạp bằng cách sử dụng một số chỉ số của đối tượng làm khóa. Ví dụ

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Kỹ thuật tương tự hoạt động cho các đối tượng có thuộc tính được đặt tên. Ví dụ

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Chức năng mô-đun vận hành¶

Các mẫu hàm khóa hiển thị ở trên rất phổ biến, vì vậy Python cung cấp các hàm tiện lợi để thực hiện các hàm truy cập dễ dàng và nhanh hơn. Mô-đun

>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]

>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]

>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Sử dụng các chức năng đó, các ví dụ trên trở nên đơn giản và nhanh hơn

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Các chức năng mô-đun toán tử cho phép nhiều cấp độ sắp xếp. Ví dụ: để sắp xếp theo lớp rồi theo tuổi

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Tăng dần và giảm dần¶

Cả

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Sắp xếp Ổn định và Sắp xếp Phức tạp¶

Sắp xếp được đảm bảo ổn định. Điều đó có nghĩa là khi nhiều bản ghi có cùng khóa, thứ tự ban đầu của chúng được giữ nguyên

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Lưu ý cách hai bản ghi cho màu xanh lam giữ nguyên thứ tự ban đầu của chúng để đảm bảo

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Thuộc tính tuyệt vời này cho phép bạn xây dựng các sắp xếp phức tạp trong một loạt các bước sắp xếp. Ví dụ: để sắp xếp dữ liệu học sinh theo lớp giảm dần rồi tuổi tăng dần, hãy thực hiện sắp xếp theo tuổi trước rồi sắp xếp lại bằng cách sử dụng lớp

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Điều này có thể được trừu tượng hóa thành một hàm bao bọc có thể lấy một danh sách và bộ dữ liệu của trường và sắp xếp chúng theo nhiều lượt

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Thuật toán Timsort được sử dụng trong Python thực hiện nhiều loại một cách hiệu quả vì nó có thể tận dụng mọi thứ tự đã có trong tập dữ liệu

Trang trí-Sắp xếp-Không trang trí¶

Thành ngữ này được gọi là Trang trí-Sắp xếp-Không trang trí sau ba bước của nó

• Đầu tiên, danh sách ban đầu được trang trí bằng các giá trị mới kiểm soát thứ tự sắp xếp

• Thứ hai, danh sách trang trí được sắp xếp

• Cuối cùng, phần trang trí được loại bỏ, tạo danh sách chỉ chứa các giá trị ban đầu theo thứ tự mới

Ví dụ: để sắp xếp dữ liệu sinh viên theo lớp bằng cách sử dụng phương pháp DSU

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Thành ngữ này hoạt động vì các bộ dữ liệu được so sánh theo từ điển;

Trong mọi trường hợp, không nhất thiết phải đưa chỉ mục i vào danh sách được trang trí, nhưng việc đưa chỉ mục này vào sẽ mang lại hai lợi ích

• Sắp xếp ổn định – nếu hai mục có cùng khóa, thứ tự của chúng sẽ được giữ nguyên trong danh sách đã sắp xếp

• Các mục ban đầu không cần phải so sánh được vì thứ tự của các bộ được trang trí sẽ được xác định bởi nhiều nhất hai mục đầu tiên. Vì vậy, ví dụ, danh sách ban đầu có thể chứa các số phức không thể sắp xếp trực tiếp

Một tên khác cho thành ngữ này là biến đổi Schwartzian, sau Randal L. Schwartz, người đã phổ biến nó cho các lập trình viên Perl

Giờ đây, việc sắp xếp Python cung cấp các hàm khóa, kỹ thuật này thường không cần thiết

Các hàm so sánh¶

Không giống như các hàm chính trả về giá trị tuyệt đối để sắp xếp, hàm so sánh tính toán thứ tự tương đối cho hai đầu vào

Ví dụ: thang cân bằng so sánh hai mẫu đưa ra thứ tự tương đối. nhẹ hơn, bằng hoặc nặng hơn. Tương tự như vậy, một hàm so sánh chẳng hạn như

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Thường gặp hàm so sánh khi dịch thuật toán từ ngôn ngữ khác. Ngoài ra, một số thư viện cung cấp các chức năng so sánh như một phần của API của họ. Ví dụ,

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Để phù hợp với những tình huống đó, Python cung cấp

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

Vụn vặt¶

• Để sắp xếp theo ngôn ngữ, hãy sử dụng

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  38 cho chức năng chính hoặc

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  36 cho chức năng so sánh. Điều này là cần thiết vì thứ tự sắp xếp “theo bảng chữ cái” có thể khác nhau giữa các nền văn hóa ngay cả khi bảng chữ cái bên dưới giống nhau

• Tham số đảo ngược vẫn duy trì tính ổn định sắp xếp (để các bản ghi có khóa bằng nhau giữ nguyên thứ tự ban đầu). Thật thú vị, hiệu ứng đó có thể được mô phỏng mà không cần tham số bằng cách sử dụng hàm

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  40 dựng sẵn hai lần

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  4

• Các thói quen sắp xếp sử dụng

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  41 khi so sánh giữa hai đối tượng. Vì vậy, thật dễ dàng để thêm một thứ tự sắp xếp tiêu chuẩn vào một lớp bằng cách định nghĩa một phương thức

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  42

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  5

  Tuy nhiên, lưu ý rằng

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  41 có thể quay lại sử dụng

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  44 nếu

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  42 không được triển khai (xem

  >>> a = [5, 2, 3, 1, 4]
  >>> a.sort()
  >>> a
  [1, 2, 3, 4, 5]
  

  46)

• Các chức năng chính không cần phụ thuộc trực tiếp vào các đối tượng được sắp xếp. Một chức năng chính cũng có thể truy cập các tài nguyên bên ngoài. Chẳng hạn, nếu điểm của sinh viên được lưu trữ trong từ điển, chúng có thể được sử dụng để sắp xếp danh sách tên sinh viên riêng biệt