Python - 常用的几种排序算法总结

总结一下几种常见的排序算法

---

先做一个整体比较：

排序法	平均时间	最差情形	稳定度	额外空间	备注
冒泡	$O(n^2)$	$O(n^2)$	$稳定$	$O(1)$	n小时较好
交换	$O(n^2)$	$O(n^2)$	$不稳定$	$O(1)$	n小时较好
选择	$O(n^2)$	$O(n^2)$	不稳定	$O(1)$	n小时较好
插入	$O(n^2)$	$O(n^2)$	稳定	$O(1)$	大部分已排序时较好
基数	$O(\log_R B)$	$O(\log_R B)$	稳定	$O(n)$	B(0-9)R(个十百)
希尔	$O(n\log n)$	$O(n^s)$$1<s<2$	不稳定	$O(1)$	s是所选分组
快速	$O(n\log n)$	$O(n^2)$	不稳定	$O(n\log n)$	n大时较好
归并	$O(n\log n)$	$O(n\log n)$	稳定	$O(1)$	n大时较好
堆	$O(n\log n)$	$O(n\log n)$	不稳定	$O(1)$	n大时较好

---

本次主要以python3.X来介绍下选择，插入，希尔，快速，归并，堆排序。

• 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。

  代码如下：

  import sys  
  def select_sort(a):  
      ''''' 选择排序  
      每一趟从待排序的数据元素中选出最小（或最大）的一个元素， 
      顺序放在已排好序的数列的最后，直到全部待排序的数据元素排完。 
      选择排序是不稳定的排序方法。 
      '''  
      a_len=len(a)  
      for i in range(a_len):#在0-n-1上依次选择相应大小的元素   
          min_index = i#记录最小元素的下标   
          for j in range(i+1, a_len):#查找最小值  
              if(a[j]<a[min_index]):  
                  min_index=j  
          if min_index != i:#找到最小元素进行交换  
              a[i],a[min_index] = a[min_index],a[i]  
  
  if __name__ == '__main__':  
      A = [10, -3, 5, 7, 1, 3, 7]    
      print('Before sort:'.format(A))    
      select_sort(A)    
      print('After sort:'.format(A))

  • 插入排序

  import sys  
  
  def insert_sort(a):  
      ''''' 插入排序 
      有一个已经有序的数据序列，要求在这个已经排好的数据序列中插入一个数， 
      但要求插入后此数据序列仍然有序。刚开始 一个元素显然有序，然后插入一 
      个元素到适当位置，然后再插入第三个元素，依次类推 
      '''  
      a_len = len(a)  
      if a_len = 0 and a[j] > key:  
              a[j+1] = a[j]  
              j-=1  
          a[j+1] = key  
      return a  
  
  if __name__ == '__main__':  
      nums = [10,8,4,-1,2,6,7,3]  
      print('nums is:'.format(nums))  
      insert_sort(nums)  
      print('insert sort:'.format(nums))

• 希尔排序

  import sys  
  def shell_sort(a):  
      ''''' shell排序  
      '''  
      a_len=len(a)  
      gap=a_len/2#增量  
      while gap>0:  
          for i in range(a_len):#对同一个组进行选择排序  
              m=i  
              j=i+1  
              while j<a_len:  
                  if a[j]<a[m]:  
                      m=j  
                  j+=gap#j增加gap  
              if m!=i:  
                  a[m],a[i]=a[i],a[m]  
          gap/=2  
  
  if __name__ == '__main__':  
      A = [10, -3, 5, 7, 1, 3, 7]    
      print('Before sort:'.format(A))    
      shell_sort(A)    
      print('After sort:'.format(A))

• 快速排序

  ''''' 
  划分 使满足 以A[r]为基准对数组进行一个划分，比A[r]小的放在左边， 
     比A[r]大的放在右边 
  快速排序的分治partition过程有两种方法， 
  一种是上面所述的两个指针索引一前一后逐步向后扫描的方法, 
  另一种方法是两个指针从首位向中间扫描的方法。 
  '''  
  
  #p,r 是数组A的下标  
  
  def partition1(A, p ,r):  
      ''''' 
        方法一，两个指针索引一前一后逐步向后扫描的方法 
      '''  
      x = A[r]  
      i = p-1  
      j = p  
      while j < r:  
          if A[j] < x:  
              i +=1  
              A[i], A[j] = A[j], A[i]  
          j += 1  
      A[i+1], A[r] = A[r], A[i+1]  
      return i+1  
  
  def partition2(A, p, r):  
      ''''' 
      两个指针从首尾向中间扫描的方法 
      '''  
      i = p  
      j = r  
      x = A[p]  
      while i = x and i < j:  
              j -=1  
          A[i] = A[j]  
          while A[i]<=x and i < j:  
              i +=1  
          A[j] = A[i]  
      A[i] = x  
      return i  
  
  
  # quick sort  
  
  def quick_sort(A, p, r):  
      ''''' 
          快速排序的最差时间复杂度为O(n2)，平时时间复杂度为O(nlgn) 
      '''  
      if p < r:  
          q = partition2(A, p, r)  
          quick_sort(A, p, q-1)  
          quick_sort(A, q+1, r)  
  
  if __name__ == '__main__':  
  
      A = [5,-4,6,3,7,11,1,2]  
      print('Before sort:'.format(A))  
      quick_sort(A, 0, 7)  
      print('After sort:'.format(A))
  

• 归并排序

  import sys  
  
  def merge(nums, first, middle, last):  
      ''''' merge '''  
      # 切片边界,左闭右开并且是了0为开始  
      lnums = nums[first:middle+1]   
      rnums = nums[middle+1:last+1]  
      lnums.append(sys.maxint)  
      rnums.append(sys.maxint)  
      l = 0  
      r = 0  
      for i in range(first, last+1):  
          if lnums[l] < rnums[r]:  
              nums[i] = lnums[l]  
              l+=1  
          else:  
              nums[i] = rnums[r]  
              r+=1  
  def merge_sort(nums, first, last):  
      ''''' merge sort 
      merge_sort函数中传递的是下标，不是元素个数 
      '''  
      if first < last:  
          middle = (first + last)/2  
          merge_sort(nums, first, middle)  
          merge_sort(nums, middle+1, last)  
          merge(nums, first, middle,last)  
  
  if __name__ == '__main__':  
      nums = [10,8,4,-1,2,6,7,3]  
      print('nums is:'.format(nums))
      merge_sort(nums, 0, 7)  
      print('merge sort:'.format(nums))

• 堆排序

  
  # 数组编号从 0开始  
  
  def left(i):  
      return 2*i +1  
  def right(i):  
      return 2*i+2  
  
  
  #保持最大堆性质 使以i为根的子树成为最大堆  
  
  def max_heapify(A, i, heap_size):  
      if heap_size <= 0:  
          return   
      l = left(i)  
      r = right(i)  
      largest = i # 选出子节点中较大的节点  
      if l  A[largest]:  
          largest = l  
      if r  A[largest]:  
          largest = r  
      if i != largest :#说明当前节点不是最大的，下移  
          A[i], A[largest] = A[largest], A[i] #交换  
          max_heapify(A, largest, heap_size)#继续追踪下移的点  
      #print A  
  
  # 建堆    
  
  def bulid_max_heap(A):  
      heap_size = len(A)  
      if heap_size >1:  
          node = heap_size/2 -1  
          while node >= 0:  
             max_heapify(A, node, heap_size)  
             node -=1  
  
  
  # 堆排序 下标从0开始  
  
  def heap_sort(A):  
      bulid_max_heap(A)  
      heap_size = len(A)  
      i = heap_size - 1   
      while i > 0 :  
          A[0],A[i] = A[i], A[0] # 堆中的最大值存入数组适当的位置，并且进行交换  
          heap_size -=1 # heap 大小 递减 1  
          i -= 1 # 存放堆中最大值的下标递减 1  
          max_heapify(A, 0, heap_size)  
  
  if __name__ == '__main__' :  
  
      A = [10, -3, 5, 7, 1, 3, 7]  
      print('Before sort:'.format(A))  
      heap_sort(A)  
      print('After sort:'.format(A))