python可视化界面实现十大排序算法

时间: 2023-09-14 10:06:27 浏览: 63
可以使用 Python 的 tkinter 模块来实现可视化界面,使用 matplotlib 库来绘制排序过程中的图形。 以下是一个示例代码,实现了十大排序算法的可视化界面: ```python import random import time import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation import tkinter as tk class SortingVisualization: def __init__(self, sort_algorithm, length=100): self.length = length self.data = [i+1 for i in range(length)] random.shuffle(self.data) self.sort_algorithm = sort_algorithm(self.data) self.fig, self.ax = plt.subplots() self.ax.set_title(self.sort_algorithm.__class__.__name__) self.bar_rects = self.ax.bar(range(len(self.data)), self.data, align="edge") self.ax.set_xlim(0, len(self.data)) self.ax.set_ylim(0, int(1.07 * length)) self.iteration = self.sort_algorithm.sort() self.start_time = time.time() def update(self, rects, iteration): for rect, val in zip(rects, self.data): rect.set_height(val) try: next(self.iteration) except StopIteration: self.ax.set_title(f"{self.sort_algorithm.__class__.__name__} ({time.time()-self.start_time:.2f}s)") return False return True def animate(self, i): return self.update(self.bar_rects, i) def start(self): anim = FuncAnimation(self.fig, self.animate, frames=range(len(self.data)), interval=1, repeat=False, blit=True) plt.show() class BubbleSort: def __init__(self, data): self.data = data def sort(self): n = len(self.data) for i in range(n): for j in range(n-i-1): if self.data[j] > self.data[j+1]: self.data[j], self.data[j+1] = self.data[j+1], self.data[j] yield class SelectionSort: def __init__(self, data): self.data = data def sort(self): n = len(self.data) for i in range(n): min_idx = i for j in range(i+1, n): if self.data[min_idx] > self.data[j]: min_idx = j self.data[i], self.data[min_idx] = self.data[min_idx], self.data[i] yield class InsertionSort: def __init__(self, data): self.data = data def sort(self): n = len(self.data) for i in range(1, n): key = self.data[i] j = i - 1 while j >= 0 and key < self.data[j]: self.data[j+1] = self.data[j] j -= 1 yield self.data[j+1] = key yield class QuickSort: def __init__(self, data): self.data = data def sort(self): def _quick_sort(l, r): if l < r: p = self.partition(l, r) yield from _quick_sort(l, p-1) yield from _quick_sort(p+1, r) yield from _quick_sort(0, len(self.data)-1) def partition(self, l, r): pivot = self.data[r] i = l - 1 for j in range(l, r): if self.data[j] < pivot: i += 1 self.data[i], self.data[j] = self.data[j], self.data[i] yield self.data[i+1], self.data[r] = self.data[r], self.data[i+1] yield return i + 1 class MergeSort: def __init__(self, data): self.data = data def sort(self): def _merge_sort(l, r): if l < r: m = (l + r) // 2 yield from _merge_sort(l, m) yield from _merge_sort(m+1, r) yield from self.merge(l, m, r) yield from _merge_sort(0, len(self.data)-1) def merge(self, l, m, r): L = self.data[l:m+1] R = self.data[m+1:r+1] i = j = 0 k = l while i < len(L) and j < len(R): if L[i] < R[j]: self.data[k] = L[i] i += 1 else: self.data[k] = R[j] j += 1 k += 1 yield while i < len(L): self.data[k] = L[i] i += 1 k += 1 yield while j < len(R): self.data[k] = R[j] j += 1 k += 1 yield class HeapSort: def __init__(self, data): self.data = data def sort(self): n = len(self.data) for i in range(n // 2 - 1, -1, -1): yield from self.heapify(n, i) for i in range(n-1, 0, -1): self.data[0], self.data[i] = self.data[i], self.data[0] yield yield from self.heapify(i, 0) def heapify(self, n, i): largest = i l = 2 * i + 1 r = 2 * i + 2 if l < n and self.data[largest] < self.data[l]: largest = l if r < n and self.data[largest] < self.data[r]: largest = r if largest != i: self.data[i], self.data[largest] = self.data[largest], self.data[i] yield yield from self.heapify(n, largest) class ShellSort: def __init__(self, data): self.data = data def sort(self): n = len(self.data) gap = n // 2 while gap > 0: for i in range(gap, n): temp = self.data[i] j = i while j >= gap and self.data[j-gap] > temp: self.data[j] = self.data[j-gap] j -= gap yield self.data[j] = temp yield gap //= 2 class CountingSort: def __init__(self, data): self.data = data def sort(self): n = len(self.data) output = [0] * n count = [0] * (max(self.data) + 1) for i in range(n): count[self.data[i]] += 1 for i in range(1, len(count)): count[i] += count[i-1] for i in range(n-1, -1, -1): output[count[self.data[i]]-1] = self.data[i] count[self.data[i]] -= 1 yield self.data = output class RadixSort: def __init__(self, data): self.data = data def sort(self): def _counting_sort(exp): n = len(self.data) output = [0] * n count = [0] * 10 for i in range(n): idx = (self.data[i] // exp) % 10 count[idx] += 1 for i in range(1, len(count)): count[i] += count[i-1] for i in range(n-1, -1, -1): idx = (self.data[i] // exp) % 10 output[count[idx]-1] = self.data[i] count[idx] -= 1 yield self.data = output max_val = max(self.data) exp = 1 while max_val // exp > 0: yield from _counting_sort(exp) exp *= 10 class GUI: def __init__(self): self.window = tk.Tk() self.window.title("Sorting Visualization") self.window.geometry("320x240") self.sorts = {"Bubble Sort": BubbleSort, "Selection Sort": SelectionSort, "Insertion Sort": InsertionSort, "Quick Sort": QuickSort, "Merge Sort": MergeSort, "Heap Sort": HeapSort, "Shell Sort": ShellSort, "Counting Sort": CountingSort, "Radix Sort": RadixSort} self.sort_var = tk.StringVar(self.window, sorted(self.sorts.keys())[0]) sort_menu = tk.OptionMenu(self.window, self.sort_var, *self.sorts.keys()) sort_menu.pack(pady=10) length_var = tk.StringVar(self.window, "100") length_entry = tk.Entry(self.window, textvariable=length_var) length_entry.pack(pady=5) start_button = tk.Button(self.window, text="Start", command=self.start) start_button.pack(pady=10) self.window.mainloop() def start(self): try: length = int(length_var.get()) sort_algorithm = self.sorts[self.sort_var.get()] SortingVisualization(sort_algorithm, length).start() except ValueError: return if __name__ == "__main__": GUI() ``` 运行该代码,会弹出一个 GUI 界面,选择排序算法和数据长度后,点击 Start 按钮即可开始可视化排序过程。 注意:由于排序算法的实现方式不同,排序时间也会有所不同,因此排序过程中的动画时间也会有所不同。

相关推荐

最新推荐

recommend-type

基于STM32控制遥控车的蓝牙应用程序

基于STM32控制遥控车的蓝牙应用程序
recommend-type

Memcached 1.2.4 版本源码包

粤嵌gec6818开发板项目Memcached是一款高效分布式内存缓存解决方案,专为加速动态应用程序和减轻数据库压力而设计。它诞生于Danga Interactive,旨在增强LiveJournal.com的性能。面对该网站每秒数千次的动态页面请求和超过七百万的用户群,Memcached成功实现了数据库负载的显著减少,优化了资源利用,并确保了更快的数据访问速度。。内容来源于网络分享,如有侵权请联系我删除。另外如果没有积分的同学需要下载,请私信我。
recommend-type

软件项目开发全过程文档资料.zip

软件项目开发全过程文档资料.zip
recommend-type

Java基础上机题-分类整理版.doc

Java基础上机题-分类整理版
recommend-type

Java-JDBC学习教程-由浅入深.doc

Java-JDBC学习教程-由浅入深
recommend-type

利用迪杰斯特拉算法的全国交通咨询系统设计与实现

全国交通咨询模拟系统是一个基于互联网的应用程序,旨在提供实时的交通咨询服务,帮助用户找到花费最少时间和金钱的交通路线。系统主要功能包括需求分析、个人工作管理、概要设计以及源程序实现。 首先,在需求分析阶段,系统明确了解用户的需求,可能是针对长途旅行、通勤或日常出行,用户可能关心的是时间效率和成本效益。这个阶段对系统的功能、性能指标以及用户界面有明确的定义。 概要设计部分详细地阐述了系统的流程。主程序流程图展示了程序的基本结构,从开始到结束的整体运行流程,包括用户输入起始和终止城市名称,系统查找路径并显示结果等步骤。创建图算法流程图则关注于核心算法——迪杰斯特拉算法的应用,该算法用于计算从一个节点到所有其他节点的最短路径,对于求解交通咨询问题至关重要。 具体到源程序,设计者实现了输入城市名称的功能,通过 LocateVex 函数查找图中的城市节点,如果城市不存在,则给出提示。咨询钱最少模块图是针对用户查询花费最少的交通方式,通过 LeastMoneyPath 和 print_Money 函数来计算并输出路径及其费用。这些函数的设计体现了算法的核心逻辑,如初始化每条路径的距离为最大值,然后通过循环更新路径直到找到最短路径。 在设计和调试分析阶段,开发者对源代码进行了严谨的测试,确保算法的正确性和性能。程序的执行过程中,会进行错误处理和异常检测,以保证用户获得准确的信息。 程序设计体会部分,可能包含了作者在开发过程中的心得,比如对迪杰斯特拉算法的理解,如何优化代码以提高运行效率,以及如何平衡用户体验与性能的关系。此外,可能还讨论了在实际应用中遇到的问题以及解决策略。 全国交通咨询模拟系统是一个结合了数据结构(如图和路径)以及优化算法(迪杰斯特拉)的实用工具,旨在通过互联网为用户提供便捷、高效的交通咨询服务。它的设计不仅体现了技术实现,也充分考虑了用户需求和实际应用场景中的复杂性。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】基于TensorFlow的卷积神经网络图像识别项目

![【实战演练】基于TensorFlow的卷积神经网络图像识别项目](https://img-blog.csdnimg.cn/20200419235252200.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQ4OTQw,size_16,color_FFFFFF,t_70) # 1. TensorFlow简介** TensorFlow是一个开源的机器学习库,用于构建和训练机器学习模型。它由谷歌开发,广泛应用于自然语言
recommend-type

CD40110工作原理

CD40110是一种双四线双向译码器,它的工作原理基于逻辑编码和译码技术。它将输入的二进制代码(一般为4位)转换成对应的输出信号,可以控制多达16个输出线中的任意一条。以下是CD40110的主要工作步骤: 1. **输入与编码**: CD40110的输入端有A3-A0四个引脚,每个引脚对应一个二进制位。当你给这些引脚提供不同的逻辑电平(高或低),就形成一个四位的输入编码。 2. **内部逻辑处理**: 内部有一个编码逻辑电路,根据输入的四位二进制代码决定哪个输出线应该导通(高电平)或保持低电平(断开)。 3. **输出**: 输出端Y7-Y0有16个,它们分别与输入的编码相对应。当特定的
recommend-type

全国交通咨询系统C++实现源码解析

"全国交通咨询系统C++代码.pdf是一个C++编程实现的交通咨询系统,主要功能是查询全国范围内的交通线路信息。该系统由JUNE于2011年6月11日编写,使用了C++标准库,包括iostream、stdio.h、windows.h和string.h等头文件。代码中定义了多个数据结构,如CityType、TrafficNode和VNode,用于存储城市、交通班次和线路信息。系统中包含城市节点、交通节点和路径节点的定义,以及相关的数据成员,如城市名称、班次、起止时间和票价。" 在这份C++代码中,核心的知识点包括: 1. **数据结构设计**: - 定义了`CityType`为short int类型,用于表示城市节点。 - `TrafficNodeDat`结构体用于存储交通班次信息,包括班次名称(`name`)、起止时间(原本注释掉了`StartTime`和`StopTime`)、运行时间(`Time`)、目的地城市编号(`EndCity`)和票价(`Cost`)。 - `VNodeDat`结构体代表城市节点,包含了城市编号(`city`)、火车班次数(`TrainNum`)、航班班次数(`FlightNum`)以及两个`TrafficNodeDat`数组,分别用于存储火车和航班信息。 - `PNodeDat`结构体则用于表示路径中的一个节点,包含城市编号(`City`)和交通班次号(`TraNo`)。 2. **数组和变量声明**: - `CityName`数组用于存储每个城市的名称,按城市编号进行索引。 - `CityNum`用于记录城市的数量。 - `AdjList`数组存储各个城市的线路信息,下标对应城市编号。 3. **算法与功能**: - 系统可能实现了Dijkstra算法或类似算法来寻找最短路径,因为有`MinTime`和`StartTime`变量,这些通常与路径规划算法有关。 - `curPath`可能用于存储当前路径的信息。 - `SeekCity`函数可能是用来查找特定城市的函数,其参数是一个城市名称。 4. **编程语言特性**: - 使用了`#define`预处理器指令来设置常量,如城市节点的最大数量(`MAX_VERTEX_NUM`)、字符串的最大长度(`MAX_STRING_NUM`)和交通班次的最大数量(`MAX_TRAFFIC_NUM`)。 - `using namespace std`导入标准命名空间,方便使用iostream库中的输入输出操作。 5. **编程实践**: - 代码的日期和作者注释显示了良好的编程习惯,这对于代码维护和团队合作非常重要。 - 结构体的设计使得数据组织有序,方便查询和操作。 这个C++代码实现了全国交通咨询系统的核心功能,涉及城市节点管理、交通班次存储和查询,以及可能的路径规划算法。通过这些数据结构和算法,用户可以查询不同城市间的交通信息,并获取最优路径建议。