9种排序算法---合并排序算法

使用合并排序法为应该数列排序时，首先将无序的数列分成若干小份，分若干份的的规则是不断把每一段数列长度除以2，直到不能再分。然后最小份进行排序，最后再逐步合并为一个有序数列

废话不多说，上代码：

def merge_sort(data):
    if len(data) <= 1:
        return data
    mid = len(data) // 2
    left = merge_sort(data[:mid])
    right = merge_sort(data[mid:])

    result = []
    while left and right:
        if left[0] < right[0]:
            result.append(left.pop(0))
        else:
            result.append(right.pop(0))
    if left:
        result += left
    if right:
        result += right
    return result

print(merge_sort([3, 11, 4, 1, 15, 9, 2, 6, 13, 5]))
# 输出: [1, 2, 3, 4, 5, 6, 9, 11, 13, 15]

 代码解析：

        （1）有这样一组数列，现在我们对其进行递增排序

         （2）将原始数列一分为二，得到数列1和数列2

         （3）再将数列1和2一分为二，得到数列A，数列B，数列C，数列D

         （4）分别对数列A，数列B，数列C，数列D进行排序，然后合并得到数列a，数列b

         （5）最后将数列a，数列b合并后排序得到最终结果

总结：

         归并排序是一种高效的排序算法，适用于大数据集。它的时间复杂度为O(n log n)，其中n是数组的长度。归并排序是稳定的排序算法，即相等的元素在排序后保持它们原来的顺序

注意事项

1. 递归深度：虽然归并排序的时间复杂度是O(n log n)，但是它的空间复杂度也是O(n)，因为它需要额外的空间来存储临时数组。对于非常大的数据集，递归深度可能会成为一个问题，可能会导致栈溢出。

2. 原地排序：这段代码不是原地排序算法，因为它需要额外的空间来存储临时数组。如果需要原地排序，可以使用其他算法，如快速排序。

3. 稳定性：归并排序是稳定的排序算法，这意味着相等的元素在排序后保持它们原来的顺序。这对于某些应用来说是非常重要的。

	平均时间复杂度	最坏时间复杂度	空间复杂度
合并排序法	O(n log n)	O(n log n)	O(n)