Select Sort

Select Sort

主要思路：将列表分为有序区与无序区；与冒泡排序一样，每一趟都会选出一个数放入有序区，所以会有n-1趟(n为列表长度)；从无序区中找最小值，将其与无序区的第一个数交换位置，则第一个数所在位置划为有序区，以此类推，无序区一直缩减，直到第n-1趟，无序区只剩一个数，这个数即为最大值，不用排

def Select_sort(list):
    for i in range(len(list)-1): # 趟数
        min_loc = i    # 无序区中最小值的下标,假定第一个是最小值
        for j in range(i+1,len(list)): # 在无序区中遍历
            if list[j] < list[min_loc]: # 如果无序区中有比假定值小
                min_loc = j  # 更新最小值下标
        list[i],list[min_loc] = list[min_loc],list[i]
    return list
------------------------------------------------
list3 = [9,4,3,7,6,1,8,2,5]
print(Select_sort(list3))------->[1, 2, 3, 4, 5, 6, 7, 8, 9]

1. 在无序区中，假定第一个元素为最小值，我们设定min_loc来记录最小值的下标
2. 每一趟都是从无序区的第一个开始遍历，而且每一趟都选择出一个数放入有序区，所以第 i 趟就代表无序区从第 i 个开始
3. 因为无序区第一个为假定最小值，所以需要与下一个比较，因此内层循环的开始需要在 i+1 处开始
4. 内层循环中，遍历无序区，遇到比假定值小的就更新min_loc的值，因为：并不是每次遇到的都是最小的，更新下标，相当于记住了此时的值的位置，为了方便后续遍历完毕后，与无序区第一个元素交换位置
5. 时间复杂度:O(n的平方)

这时可能就有人说了，python不是有一些方法可以直接找到最小值吗？

像这样：

def select_sort_simple(list):
    list1 = []
    for i in range(len(list)):
        list1.append(min(list))
        list1.remove(min(list))
    return list1
------------------------------------------
list3 = [9,4,1,7,6,3,8,2,5]
print(select_sort_simple(list3))----->[1,2,3,4,5,6,7,8,9]

看着很简便，但是，这里的min()、remove()方法都是时间复杂度为O(n)的

整体上看，时间复杂度为O(n的平方)，但是相较于上面的算法，这里的时间复杂度是要大得多的，而且空间复杂度也大了 ，因为需要开辟一个新列表来装入排好的数据。