排序算法(冒泡排序、选择排序、插入排序、快速排序、归并排序)

1、冒泡排序

(英语:Bubble Sort)是一种简单的排序算法。它重复地遍历要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来。遍历数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

冒泡排序算法的运作如下:

  • 比较相邻的元素。如果第一个比第二个大(升序),就交换他们两个。
  • 对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。这步做完后,最后的元素会是最大的数。
  • 针对所有的元素重复以上的步骤,除了最后一个。
  • 持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。
# 冒泡排序稳定
def bubble_sort(alist):
    for i in range(len(alist)):
        for j in range(i, len(alist)):
            # 如果比i位置的小,则与i位置更换位置
            if alist[i] > alist[j]:
                alist[i], alist[j] = alist[j], alist[i]
    return alist


li = [54, 26, 93, 17, 77, 31, 44, 55, 20]
bubble_sort(li)
print(li)

时间复杂度

  • 最优时间复杂度:O(n) (表示遍历一次发现没有任何可以交换的元素,排序结束。)
  • 最坏时间复杂度:O(n2)
  • 稳定性:稳定

冒泡排序的演示

排序算法(冒泡排序、选择排序、插入排序、快速排序、归并排序)

2、选择排序

选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。

选择排序的主要优点与数据移动有关。如果某个元素位于正确的最终位置上,则它不会被移动。选择排序每次交换一对元素,它们当中至少有一个将被移到其最终位置上,因此对n个元素的表进行排序总共进行至多n-1次交换。在所有的完全依靠交换去移动元素的排序方法中,选择排序属于非常好的一种。

# 选择排序
def select_sort(alist):
    # 需要进行len(alist)-1次选择操作
    for i in range(len(alist) - 1):
        # 记录最小位置
        min_index = i
        # 从i+1位置到末尾选择出最小数据
        for j in range(i + 1, len(alist)):
            # 如果选择的数据比当前最小值小,则记录最小值的新位置
            if alist[min_index] > alist[j]:
                min_index = j
        # 如果选择出的数据不在正确位置,进行交换
        if min_index != i:
            alist[i], alist[min_index] = alist[min_index], alist[i]
            min_index += 1
alist = [54,226,93,17,77,31,44,55,20]
select_sort(alist)
print(alist)

时间复杂度

  • 最优时间复杂度:O(n2)
  • 最坏时间复杂度:O(n2)
  • 稳定性:不稳定(考虑升序每次选择最大的情况)

选择排序演示

排序算法(冒泡排序、选择排序、插入排序、快速排序、归并排序)

3、插入排序

插入排序(英语:Insertion Sort)是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。插入排序在实现上,在从后向前扫描过程中,需要反复把已排序元素逐步向后挪位,为最新元素提供插入空间。

时间复杂度

  • 最优时间复杂度:O(n) (升序排列,序列已经处于升序状态)
  • 最坏时间复杂度:O(n2)
  • 稳定性:稳定
# 插入排序
def insert_sort(alist):
    for i in range(1,len(alist)):
        # 从第二个位置,即下标为1的元素开始向前面的有序数列插入
        for j in range(i, 0, -1):
        # 反向循环前面的有序数列,
            # 从第i个元素开始向前比较,如果小于前一个元素,交换位置
            if alist[j] < alist[j - 1]:
                alist[j], alist[j - 1] = alist[j - 1], alist[j]


alist = [54,26,93,17,77,31,44,55,20]
insert_sort(alist)
print(alist)

插入排序演示

排序算法(冒泡排序、选择排序、插入排序、快速排序、归并排序)

4、快速排序

快速排序(英语:Quicksort),又称划分交换排序(partition-exchange sort),通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。

步骤为:

  1. 从数列中挑出一个元素,称为"基准"(pivot),
  2. 重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区结束之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。
  3. 递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形,是数列的大小是零或一,也就是永远都已经被排序好了。虽然一直递归下去,但是这个算法总会结束,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。

# 快速排序(1)
def quick_sort(alist):
    if len(alist) < 2:
        return alist
    pivot = alist[len(alist) // 2]
    left_alist, right_alist = [], []
    alist.remove(pivot)
    for i in alist:
        left_alist.append(i) if i < pivot else right_alist.append(i)
    return quick_sort(left_alist) + [pivot] + quick_sort(right_alist)


alist = [54, 26, 93, 17, 77, 31, 44, 55, 20]
print(quick_sort(alist))

# 快速排序(2)
def quick_sort(alist, first, last):
    if first >= last:
        return
    min_value = alist[first]
    low = first
    high = last
    while low < high:
        # high左移
        while low < high and alist[high] >= min_value:
            high -= 1
        alist[low] = alist[high]
        # low右移
        while low < high and alist[low] < min_value:
            low += 1
        alist[high] = alist[low]
    alist[low] = min_value
    quick_sort(alist, first, low - 1)
    quick_sort(alist, low + 1, last)


if __name__ == ‘__main__‘:
    alist = [54, 26, 93, 17, 77, 31, 44, 55, 20]
    quick_sort(alist, 0, len(alist) - 1)
    print(alist)

时间复杂度

  • 最优时间复杂度:O(nlogn)
  • 最坏时间复杂度:O(n2)
  • 稳定性:不稳定

从一开始快速排序平均需要花费O(n log n)时间的描述并不明显。但是不难观察到的是分区运算,数组的元素都会在每次循环中走访过一次,使用O(n)的时间。在使用结合(concatenation)的版本中,这项运算也是O(n)。

在最好的情况,每次我们运行一次分区,我们会把一个数列分为两个几近相等的片段。这个意思就是每次递归调用处理一半大小的数列。因此,在到达大小为一的数列前,我们只要作log n次嵌套的调用。这个意思就是调用树的深度是O(log n)。但是在同一层次结构的两个程序调用中,不会处理到原来数列的相同部分;因此,程序调用的每一层次结构总共全部仅需要O(n)的时间(每个调用有某些共同的额外耗费,但是因为在每一层次结构仅仅只有O(n)个调用,这些被归纳在O(n)系数中)。结果是这个算法仅需使用O(n log n)时间。

5、归并排序

归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组。

将数组分解最小之后,然后合并两个有序数组,基本思路是比较两个数组的最前面的数,谁小就先取谁,取了后相应的指针就往后移一位。然后再比较,直至一个数组为空,最后把另一个数组的剩余部分复制过来即可。

归并

排序算法(冒泡排序、选择排序、插入排序、快速排序、归并排序)

# coding:utf-8
def merge_sort(alist):
    n = len(alist)
    if n <= 1:
        print(alist)
        return alist
    mid = n // 2
    # left 采用归并排序后形成的新的列表
    print(alist[:mid])
    left_li = merge_sort(alist[:mid])
    # right 采用归并排序后形成的新的列表
    right_li = merge_sort(alist[mid:])
    # 将两个有序的子系列合并成一个新的整体
    # merge(left,right)
    left_pointer, right_pointer = 0, 0
    result = []
    while left_pointer < len(left_li) and right_pointer < len(right_li):
        if left_li[left_pointer] < right_li[right_pointer]:
            result.append(left_li[left_pointer])
            left_pointer += 1
        else:
            result.append(right_li[right_pointer])
            right_pointer += 1
    result += left_li[left_pointer:]
    result += right_li[right_pointer:]
    return result


if __name__ == ‘__main__‘:
    alist = [54, 26, 93, 17, 77, 31, 44, 55, 20]
    print(alist)
    print(merge_sort(alist))
    # 逻辑顺序
    # merge_sort   [54, 26, 93, 17, 77, 31, 44, 55, 20]
    #
    # left_li = merge_sort [54, 26, 93, 17]
    #
    #     left_li = merge_sort [54, 26]
    #     left_li = [26, 54]
    #
    #
    #              left_li = [54]
    #              right_li = [26]
    #              result = [26, 54]
    #              return result
    #
    #     right_li = merge_sort([93, 17])
    #
    #             left_li = merge_sort([93])
    #
    #                         return [93]
    #             left_li =[93]
    #
    #             right_li = merge_sort([17])
    #
    #                         return [17]
    #             right_li = [17]
    #
    #             result = [17, 93]
    #
    #             return result
    #
    #     right_li = [17, 93]
    #
    #     result = [17, 26, 54, 93]
    #
    #     return result
    #
    # left_li = [17, 26, 54, 93]
    #
    # right_li = merge_sort([77, 31, 44, 55, 20])
    #
    #
    # result = []
    # return result

时间复杂度

  • 最优时间复杂度:O(nlogn)
  • 最坏时间复杂度:O(nlogn)
  • 稳定性:稳定

相关推荐