Python实现几大排序算法的原理和实现

最新推荐文章于 2023-11-10 21:51:33 发布

Deft_MKJing宓珂璟

最新推荐文章于 2023-11-10 21:51:33 发布

阅读量978

点赞数

分类专栏： Python3学习数据结构和算法文章标签： Python3算法集合 Python排序算法冒泡插入选择排序快排归并希尔排序堆排序详解

本文链接：https://blog.csdn.net/Deft_MKJing/article/details/51726891

版权

Python3学习同时被 2 个专栏收录

19 篇文章 0 订阅

订阅专栏

数据结构和算法

18 篇文章 1 订阅

订阅专栏

这里用Python实现了简单的7种排序，还有三种可以参考下面文章

https://www.cnblogs.com/onepixel/p/7674659.html

https://www.jianshu.com/p/7d037c332a9d

https://blog.csdn.net/shan9liang/article/details/7555811

冒泡排序

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。（n-1）
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。

def bubble_sort(list):
    for i in range(0, len(list)-1):
        for j in range(0, len(list)-1-i):
            if list[j] > list[j+1]:
                list[j], list[j+1] = list[j+1], list[j]


if __name__ == "__main__":

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

    li2 = [54, 226, 93, 17, 77, 31, 44, 55, 20]
    bubble_sort(li2)
    print(li2)
    
# /Users/mintou/Desktop/PYCharm/venv/bin/python /Users/mintou/Desktop/PYCharm/01-test.py
# [17, 20, 26, 31, 44, 54, 55, 77, 93]
# [17, 20, 31, 44, 54, 55, 77, 93, 226]
# 
# Process finished with exit code 0

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

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。

def selection_sort(list):
    n = len(list)
    for i in range(0,n-1):
        min_index = i
        for j in range(i+1,n):
            if list[j] < list[min_index]:
                min_index = j
        if i != min_index:
            list[i], list[min_index] = list[min_index], list[i]


if __name__ == "__main__":

    li = [54, 26, 93, 17, 22, 31, 44, 55, 20]
    selection_sort(li)
    print(li)

    li2 = [54, 226, 93, 17, 77, 31, 100, 55, 20]
    selection_sort(li2)
    print(li2)
# 
# /Users/mintou/Desktop/PYCharm/venv/bin/python /Users/mintou/Desktop/PYCharm/01-test.py
# [17, 20, 22, 26, 31, 44, 54, 55, 93]
# [17, 20, 31, 54, 55, 77, 93, 100, 226]
# 
# Process finished with exit code 0

红色表示当前最小值，黄色表示已排序序列，蓝色表示当前位置。

外层遍历n-1，每次都选择list头部位子默认是最小值，然后内存循环从外层的i+1开始比较，通过临时变量记录最小值小标，然后和每一次的list头元素比较，index不同，就交换，排序从左到右，从小到大，左边不变，右边进行排序比较

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）

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。

插入排序和上面的选择排序是差不多的，插入操作的是左边的有序队列，而选择操作的是右边的无序队列


def insert_sort(list):
    n = len(list)
    for i in range(1,n):
        for j in range(i,0,-1):
            if list[j] < list[j-1]:
                list[j], list[j-1] = list[j-1], list[j]



if __name__ == "__main__":

    li = [54, 26, 93, 17, 22, 31, 44, 55, 20]
    insert_sort(li)
    print(li)

    li2 = [54, 226, 93, 17, 77, 31, 100, 55, 20]
    insert_sort(li2)
    print(li2)

# /Users/mintou/Desktop/PYCharm/venv/bin/python /Users/mintou/Desktop/PYCharm/01-test.py
# [17, 20, 22, 26, 31, 44, 54, 55, 93]
# [17, 20, 31, 54, 55, 77, 93, 100, 226]
# 
# Process finished with exit code 0

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

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：

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。

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。

def quick_sort(list, start, end):

    if start >= end:
        return

    low = start
    high = end
    mid = list[start]

    while low < high:
        while low < high and list[high] >= mid:
            high -= 1
        list[low] = list[high]

        while low < high and list[low] < mid:
            low += 1
        list[high] = list[low]

    list[low] = mid

    quick_sort(list, start, low-1)
    quick_sort(list, low+1, end)


if __name__ == "__main__":

    li = [54, 26, 93, 17, 22, 31, 44, 55, 20]
    quick_sort(li,0,len(li)-1)
    print(li)

    li2 = [54, 226, 93, 17, 77, 31, 100, 55, 20]
    quick_sort(li2,0,len(li)-1)
    print(li2)

# /Users/mintou/Desktop/PYCharm/venv/bin/python /Users/mintou/Desktop/PYCharm/01-test.py
# [17, 20, 22, 26, 31, 44, 54, 55, 93]
# [17, 20, 31, 54, 55, 77, 93, 100, 226]
# 
# Process finished with exit code 0

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。

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。希尔排序是非稳定排序算法。该方法因DL．Shell于1959年提出而得名。希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。

希尔排序过程

希尔排序的基本思想是：将数组列在一个表中并对列分别进行插入排序，重复这过程，不过每次用更长的列（步长更长了，列数更少了）来进行。最后整个表就只有一列了。将数组转换至表是为了更好地理解这算法，算法本身还是使用数组进行排序。

例如，假设有这样一组数[ 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 ]，如果我们以步长为5开始进行排序，我们可以通过将这列表放在有5列的表中来更好地描述算法，这样他们就应该看起来是这样(竖着的元素是步长组成)：

13 14 94 33 82
25 59 94 65 23
45 27 73 25 39
10

然后我们对每列进行排序：

10 14 73 25 23
13 27 94 33 39
25 59 94 65 82
45

将上述四行数字，依序接在一起时我们得到：[ 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 ]。这时10已经移至正确位置了，然后再以3为步长进行排序：

排序之后变为：

最后以1步长进行排序（此时就是简单的插入排序了）

def shell_sort(list):
    n = len(list)
    gap = n // 2
    while gap > 0:
        for i in range(gap, n):
            for j in range(i, 0, -gap):
                if list[j] < list[j - gap]:
                    list[j], list[j - gap] = list[j - gap], list[j]
        gap //= 2


if __name__ == "__main__":

    li = [54, 26, 93, 17, 22, 31, 44, 55, 20]
    shell_sort(li)
    print(li)
    li2 = [54, 226, 93, 17, 77, 31, 100, 55, 20]
    shell_sort(li2)
    print(li2)
    
    
# /Users/mintou/Desktop/PYCharm/venv/bin/python /Users/mintou/Desktop/PYCharm/01-test.py
# [17, 20, 22, 26, 31, 44, 54, 55, 93]
# [17, 20, 31, 54, 55, 77, 93, 100, 226]
# 
# Process finished with exit code 0

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(n2)
稳定想：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。

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。

def merge_sort(list):
    if len(list) <= 1:
        return list
    # 二分分解
    num = len(list)//2
    left = merge_sort(list[:num])
    right = merge_sort(list[num:])
    # 合并
    return merge(left, right)


def merge(left, right):
    l, r = 0, 0
    result = []
    while l<len(left) and r<len(right):
        if left[l] < right[r]:
            result.append(left[l])
            l += 1
        else:
            result.append(right[r])
            r += 1
    result += left[l:]
    result += right[r:]
    return result


if __name__ == "__main__":

    li = [54, 26, 93, 17, 22, 31, 44, 55, 20]
    print(merge_sort(li))
    print("原始数组"+str(li))
    li2 = [54, 226, 93, 17, 77, 31, 100, 55, 20]
    print(merge_sort(li2))
    print("原始数据"+str(li2))

# /Users/mintou/Desktop/PYCharm/venv/bin/python /Users/mintou/Desktop/PYCharm/01-test.py
# [17, 20, 22, 26, 31, 44, 54, 55, 93]
# 原始数组[54, 26, 93, 17, 22, 31, 44, 55, 20]
# [17, 20, 31, 54, 55, 77, 93, 100, 226]
# 原始数据[54, 226, 93, 17, 77, 31, 100, 55, 20]
# 
# Process finished with exit code 0

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

堆排序

堆的概念
堆：本质是一种数组对象。特别重要的一点性质：<b>任意的叶子节点小于（或大于）它所有的父节点</b>。对此，又分为大顶堆（这里来做排序）和小顶堆（计算top k算法问题），大顶堆要求节点的元素都要大于其孩子，小顶堆要求节点元素都小于其左右孩子，两者对左右孩子的大小关系不做任何要求。
利用堆排序，就是基于大顶堆或者小顶堆的一种排序方法。下面，我们通过大顶堆来实现。

步骤1：建立大顶堆参数1 list 参数2 建堆list长度建堆需要调整的节点

如下序列 1 3 4 2 7 9 8 10 16 14 建立大顶堆后，这里可以看下面的代码理解，无非就是通过循环把让根节点一定是当先序列的最大值

步骤2：取出大顶堆根节点和序列最后的元素进行交换

交换之后，序列最后的值肯定是最大值，但是此时这个堆就不再是我们的大顶堆了

步骤3：交换一次，序列长度动态调整为n-1（操作一次就-1）

继续执行建堆代码，把n-1的序列调整为大顶堆

步骤4：循环步骤2和步骤3即可

def heap_sort(list):
    # 构建大顶堆，保证最大值位于叶节点，并且父节点的值大于子节点
    build_max_heap(list)

    # 当前堆中序列长度 初始化为序列的长度
    i = len(list)

    # 每次取出堆顶元素置于序列的最后
    # 然后修改大顶堆的长度，重新调整堆，这里length持续减少，i由于是头部换到尾部，我们传0进去就可以重新建堆
    while i > 0:
        list[i - 1], list[0] = list[0], list[i - 1]
        i -= 1
        # 这里由于已经在开始的时候建了大顶堆，每次拿出根节点最大值后不需要循环建堆，只要调整根节点0下标下修改的节点
        adjust_max_heap(list, i, 0)

# 构建大顶堆
def build_max_heap(list):
    length = len(list)
    # 第一次根据无序序列，建立大顶堆需要循环进行多次建堆  多个节点需要调整，就要循环全部
    for num in range((length-1) // 2,-1,-1):
        adjust_max_heap(list,length,num)


# 调整大顶堆
#list:待调整序列 length: 序列长度 i:需要调整的结点
def adjust_max_heap(list, length, i):
    # 定义一个int值保存当前最大值的下标
    largest = i
    # 执行循环操作  1、寻找最大值下标 2、最大值与父节点交换
    while 1:
        # 获取左右子节点的下标
        left, right = LEFT(i), RIGHT(i)
        # 当前左子节点的下标小于序列长度，并且左叶子节点值大于父节点，把最大值下标赋值
        if left < length and list[left] > list[i]:
            largest = left
        else:
            largest = i

        if right < length and list[right] > list[largest]:
            largest = right
        # 如果值不等，说明当前节点的父节点不是最大值，需要交换值
        if largest != i:
            list[i], list[largest] = list[largest], list[i]
            # 这里交换之后，需要把交换的子节点重新作为调整节点进行堆调整
            i = largest
            continue
        else:
            break

# 左节点下标
def LEFT(i):
    return 2*i + 1
# 右节点下标
def RIGHT(i):
    return 2*i + 2

Deft_MKJing宓珂璟

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
Python实现几大排序算法的原理和实现

目录冒泡排序选择排序插入排序快速排序希尔排序归并排序堆排序这里用Python实现了简单的7种排序，还有三种可以参考下面文章https://www.cnblogs.com/onepixel/p/7674659.html https://www.jianshu.com/p/7d037c332a9dhttps://blog.csdn.net/s...
复制链接

扫一扫

专栏目录