数据结构与算法Python（排序与搜索）

排序

排序算法的稳定性

稳定排序算法会让原本有相等键值的纪录维持相对次序。也就是如果一个排序算法是稳定的，当有两个相等键值的纪录R和S，且在原本的列表中R出现在S之前，在排序过的列表中R也将会是在S之前。

冒泡排序

冒泡排序的过程

• 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。

冒泡排序的实现

def bubble_sort(alist):
    '''冒泡排序'''
    n = len(alist)
    for j in range(n-1):    # ※注意！ n个元素，最后一个元素是第n-1个，倒数第二个是第n-2个！
        count = 0
        for i in range(n-j-1):    # ※两次循环的参数不要相同，用i和j
            # 游标从头到尾
            if alist[i] > alist[i+1]:
                alist[i],alist[i+1] = alist[i+1],alist[i]
                count += 1
        if count == 0:    # ※改进：如果某次走完一遍发现已经排好了，则跳出函数
            return

冒泡排序的时间复杂度

• 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($n^2$)
• 稳定性：稳定

选择排序

选择排序的过程

• 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。
• 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。

选择排序的实现

def select_sort(alist):
    '''选择排序'''
    for i in range(len(alist)-1):    #0~n-2
        min_index = i
        for j in range(i+1, len(alist)):
            if alist[min_index] > alist[j]:
                min_index = j

        alist[i],alist[min_index] = alist[min_index],alist[i]

选择排序的时间复杂度

• 最优时间复杂度：O($n^2$)
• 最坏时间复杂度：O($n^2$)
• 稳定性：不稳定（考虑升序每次选择最大的情况）

插入排序

插入排序的过程

选择排序过程1：

• 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。
• 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。
  选择排序过程2（后续实现的）：
• 左侧开始第一个元素为有序序列
• 将剩余未排序元素中的第一个插入到左侧的有序序列
• 以此类推，直到所有元素均排序完毕

插入排序的实现

def insert_sort(alist):
    '''插入排序'''
    n = len(alist)
    for i in range(1, n):
        a1 = i    # a1所指的就是将要插入到前面有序序列的值
        for j in range(i-1, -1, -1):    # 从有序序列的末尾向前比较，如果要插入的值更小，就交换，直到到达合适的位置
            if alist[a1] < alist[j]:
                alist[a1], alist[j] = alist[j], alist[a1]
                a1 = j
            else:    # 优化：如果不比j指针对应的值小了，就直接退出循环
                break

插入排序的时间复杂度

• 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($n^2$)
• 稳定性：稳定

希尔排序

希尔排序(Shell Sort)是插入排序的一种，也称缩小增量排序，是直接插入排序算法的一种更高效的改进版本。

希尔排序的过程

• 按一定步长（间隔）进行分组
• 对每组元素分别进行插入排序
• 缩小步长（间隔）
• 重复上述过程，直到步长为1时的那一组插入排序完毕

希尔排序的实现

def shell_sort(alist):
    '''希尔排序'''
    n = len(alist)
    gap = n // 2
    while gap != 0:
        for i in range(gap,n):
            a1 = i
            j = a1 - gap
            while j >= 0:
                if alist[a1] < alist[j]:
                    alist[a1], alist[j] = alist[j], alist[a1]
                    a1 = j
                    j -= gap
                else:
                    break
        gap = gap // 2

希尔排序的时间复杂度

• 最优时间复杂度：根据步长序列的不同而不同
• 最坏时间复杂度：O($n^2$)
• 稳定性：不稳定

快速排序 ※

快速排序的过程

• 从数列中挑出一个元素，称为"基准"（pivot），
• 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。
• 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。

快速排序的实现

def quick_sort(alist, first, last):
    '''快速排序'''
    if first >= last:
        return
    mid_value = alist[first]
    low = first
    high = last
    while low < high:
        while low < high and alist[high] >= mid_value:    # 让high游标左移：只有两个指针不重合并且所指元素符合大小要求，指针才会继续进行
            high -= 1
        alist[low] = alist[high]    # 把high指的元素放到low指的位置上
        while low < high and alist[low] < mid_value:    # 让low游标右移：# 只有两个指针不重合并且所指元素符合大小要求，指针才会继续进行
            low += 1
        alist[high] = alist[low]
        # 退出循环时，low == high
    alist[high] = mid_value    # 再把作比较的值放到中间位置
    # 递归
    # 对low左边的列表执行快速排序
    quick_sort(alist,first,low-1)
    # 对low右边的列表执行快速排序
    quick_sort(alist,low+1,last)

快速排序的时间复杂度

• 最优时间复杂度：O($nlo{g}_{2}n$)
• 最坏时间复杂度：O($n^2$)
• 稳定性：不稳定

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。

归并排序的过程

• 将数组分解最小，
• 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。
• 以此类推，合并到最后成一个数组即可

归并排序的实现

递归的过程一定要自己画图走一遍！

def merge_sort(alist):
    '''归并排序'''
    '''使用递归'''
    n = len(alist)
    if n <= 1:
        return alist
    mid = n // 2
    # left_li 表示采用归并排序后形成的有序的新的列表
    left_li = merge_sort(alist[:mid])
    # right_li 表示采用归并排序后形成的有序的新的列表
    right_li = merge_sort(alist[mid:])
    # 将两个有序的子序列合并为一个新的整体
    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

归并排序的时间复杂度

• 最优时间复杂度：O($nlo{g}_{2}n$)
• 最坏时间复杂度：O($nlo{g}_{2}n$)
• 稳定性：稳定

搜索（查找）

搜索是在一个项目集合中找到一个特定项目的算法过程。搜索通常的答案是真的或假的。 搜索的几种常见方法：顺序查找、二分法查找、二叉树查找、哈希查找

二分查找

二分查找又称折半查找，优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。

二分查找的过程

• 假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功。
• 否则利用中间位置记录将表分成前、后两个子表，
• 如果中间位置记录的关键字大于查找关键字，则进一步查找前一子表，否则进一步查找后一子表。
• 重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。

二分查找的实现

有递归版和非递归版两种代码。

def binary_search_1(alist,item):
    '''二分查找'''
    '''递归'''
    n = len(alist)
    if n > 0:    # 递归循环的条件
        mid = n // 2
        if alist[mid] == item:
            return True
        elif item < alist[mid]:
            return binary_search(alist[:mid], item)    # ※注意要有返回值
        else:
            return binary_search(alist[mid+1:], item)    # ※注意要有返回值
    return False

def binary_search_2(alist,item):
    '''二分查找'''
    '''非递归'''
    n = len(alist)
    first = 0
    last = n-1
    while first <= last:
        mid = (first + last) // 2
        if alist[mid] == item:
            return True
        elif item < alist[mid]:
            last = mid - 1
        else:
            first = mid + 1
    return False

二分查找的时间复杂度

• 最优时间复杂度：O(1)
• 最坏时间复杂度：O($lo{g}_{2}n$)