정렬
정렬? 데이터를 특정한 기준에 따라서 순서대로 나열하는 것.
선택 정렬
"가장 작은 것을 선택한다." ==> 선택 정렬!
데이터가 무작위로 여러 개 있을 때, 이 중에서 가장 작은 데이터를 선택해 맨 앞에 있는 데이터와 바꾸고, 그다음 작은 데이터를 선택하여 앞에서 두 번째 데이터와 바꾸는 과정을 반복하는 것.
array = [7, 5, 9, 0, 3, 1, 6, 2, 4, 8]
for i in range(len(array)):
min_index = i
for j in range(i + 1, len(array)):
if array[min_index] > array[j]:
min_index = j
array[i], array[min_index] = array[min_index], array[i] # swap
print(array)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
선택 정렬의 시간 복잡도 : O(N^2)
퀵 정렬이나 파이썬 기본 정렬 라이브러리에 비해 시간 복잡도 높아 비효율적임.
하지만, 특정 리스트에서 가장 작은 값을 찾는 형태엔 익숙해져야 함.
삽입 정렬
데이터를 하나씩 확인하여, 각 데이터를 적절한 위치에 삽입하자!
필요할 때만 위치를 변경함. ==> 데이터가 거의 정렬되어 있을 때 효율적임.
첫 번째 데이터는 정렬되어 있다고 판단하고, 두 번째 데이터부터 앞의 정렬된 데이터들 중에서 적절한 위치를 찾아 그 위치에 삽입시키면 됨.
array = [7, 5, 9, 0, 3, 1, 6, 2, 4, 8]
for i in range(1, len(array)):
for j in range(i, 0, -1):
if array[j] < array[j-1]:
array[j], array[j-1] = array[j-1], array[j]
else:
break
print(array)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
삽입 정렬의 시간 복잡도: O(N^2) ~ (최선의 경우) O(N^2)
현재 리스트의 데이터가 거의 정렬되어 있는 상태라면 매우 빠르게 동작함.
==> 정렬이 거의 되어 있는 상황에서는 퀵 정렬 알고리즘보다 더 강력함.
퀵 정렬
기준 데이터를 설정하고 그 기준보다 큰 데이터와 작은 데이터의 위치를 바꾸자!
호어 분할 방식: 리스트에서 첫 번째 데이터를 피벗으로 정함.
- 리스트의 첫 번째 데이터를 pivot으로 설정하고, 왼쪽에서부터 pivot보다 큰 데이터와 오른쪽에서부터 pivot보다 작은 데이터를 선택한다. 그리고 두 데이터를 swap한다.
- 1번의 과정을 반복하다가 왼쪽에서 찾는 값과 오른쪽에서 찾는 값의 위치가 서로 엇갈렸다면 '작은 데이터'와 pivot을 swap한다.
- 2번의 과정을 완료하면 pivot을 기준으로 왼쪽의 리스트는 pivot보다 작은 데이터들, 오른쪽에 있는 데이터는 모두 pivot보다 큰 데이터들이라는 점을 알 수 있다.
- 왼쪽, 오른쪽 리스트에서도 각각 pivot을 설정하여 위의 1번, 2번과 동일한 괒어을 반복하면 전체 리스트에 대하여 모두 정렬이 이루어진다.
array = [5, 7, 9, 0, 3, 1, 6, 2, 4, 8]
def quick_sort(array, start, end):
if start >= end:
return
pivot = start # 첫번째 원소
left = start + 1
right = end
while left <= right:
# pivot보다 큰 데이터를 찾을 때까지 반복
while left <= end and array[left] <= array[pivot]:
left += 1
# pivot보다 작은 데이터를 찾을 때까지 반복
while right > start and array[right] >= array[pivot]:
right -= 1
if left > right: # 엇갈렸다면 작은 데이터와 pivot swap
array[right], array[pivot] = array[pivot], array[right]
else: # 엇갈리지 않았다면 작은 데이터와 큰 데이터 swap
array[left], array[right] = array[right], array[left]
quick_sort(array, start, right - 1)
quick_sort(array, right + 1, end)
quick_sort(array, 0, len(array) - 1)
print(array)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
파이썬의 장점을 살린 퀵 정렬 소스코드
array = [5, 7, 9, 0, 3, 1, 6, 2, 4, 8]
def quick_sort(array):
if len(array) <= 1:
return array
pivot = array[0]
tail = array[1:] # pivot을 제외한 리스트
left_side = [x for x in tail if x <= pivot]
right_side = [x for x in tail if x > pivot]
return quick_sort(left_side) + [pivot] + quick_sort(right_side)
print(quick_sort(array))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
퀵 정렬의 시간 복잡도: 평균적으로 O(NlogN) ~ 최악의 경우 O(N^2)
계수 정렬
특정한 조건이 부합할 때만 사용할 수 있지만 매우 빠른 정렬 알고리즘
'데이터의 크기 범위가 제한되어 정수 형태로 표현할 수 있을 때'만 사용 가능.
계수 정렬은 모든 범위를 담을 수 있는 크기의 리스트를 선언해야 하기 때문에,
가장 큰 데이터와 가장 작은 데이터가 1,000,000을 넘지 않을 때 효과적으로 사용 가능함.
비교 기반의 정렬 알고리즘이 아닌, 별도의 리스트를 선언하고 그 안에 정렬에 대한 정보를 담음.
- 먼저 가장 큰 데이터와 가장 작은 데이터의 범위가 모두 담길 수 있도록 하나의 리스트를 생성함.
- 데이터를 하나씩 확인하며 데이터의 값과 동일한 인덱스의 데이터를 1씩 증가시키면 계수 정렬이 완료됨.
array = [7, 5, 9, 0, 3, 1, 6, 2, 9, 1, 4, 8, 0, 5, 2]
count = [0] * (max(array) + 1)
for i in range(len(array)):
count[array[i]] += 1
for i in range(len(count)):
for j in range(count[i]):
print(i, end=" ")
0 0 1 1 2 2 3 4 5 5 6 7 8 9 9
계수 정렬의 시간 복잡도: O(N+K)
기수 정렬과 더불어 가장 빠름.
계수 정렬의 공간 복잡도: O(N+K)
파이썬의 정렬 라이브러리
파이썬의 기본 정렬 라이브러리 ==> sorted()
- 시간복잡도 O(NlogN)을 보장함.
- 리스트, 딕셔너리 자료형을 입력받아도 리스트 자료형을 반환함.
리스트 변수가 하나 있을 때 내부 원소를 바로 정렬할 수도 있음. ==> sort()
array = [7, 5, 9, 0, 3, 1, 6, 2, 4, 8]
result = sorted(array)
array.sort()
print(result)
print(array)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
key 매개변수를 입력으로 받을 수 있음.
key 값으로는 하나의 함수가 들어가야 함.
array = [('바나나', 2), ('사과', 5), ('당근', 3)]
def setting(data):
return data[1] # 두 번째 원소를 기준으로
result = sorted(array, key=setting)
print(result)
# 혹은 람다식으로 바로 작성 가능.
result2 = sorted(array, key=lambda x: x[1])
print(result2)
[('바나나', 2), ('당근', 3), ('사과', 5)] # 동일한 결과 확인 가능.
[('바나나', 2), ('당근', 3), ('사과', 5)]
정렬 라이브러리의 시간 복잡도: O(NlogN) 을 보장함.
코딩 테스트에서 정렬 알고리즘이 사용되는 경우
- 정렬 라이브러리로 풀 수 잇는 문제
- 정렬 알고리즘의 원리에 대해서 물어보는 문제
- 더 빠른 정렬이 필요한 문제
'⌨️ Algorithm > Python' 카테고리의 다른 글
[Algorithm] Week 6. 이진 탐색 (0) | 2023.02.07 |
---|---|
[Python 문법] sum(), count(), map(), zip() 함수 정리 (0) | 2023.02.05 |
[Algorithm] Week 4. DFS/BFS (0) | 2023.01.24 |
[Python] itertools 라이브러리 (0) | 2023.01.19 |
[Algorithm] Week 3. 구현 (0) | 2023.01.17 |
댓글