经典排序方法的python实现和复杂度分析

经典排序方法的python实现和复杂度分析

1.冒泡排序:
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。
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 bulle_sort(a):
	for i in range(0,len(a)-1):  # 外层循环
		for j in range(0,len(a)-1-i):  #每层循环所需要的操作
			if a[j]>a[j+1]:  # 比较两个元素的大小
				a[j],a[j+1]=a[j+1],a[j]  # 交换位置,便可得到当此循环的最大值,并放到最后

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

2.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 select_sort(a):
	for i in range(0,len(a)-1):
		for j in range(i+1,len(a)):
			if a[i]>a[j]:
				a[i],a[j] = a[j],a[i]  # 找到最小的,然后进行交换

时间复杂度
最优时间复杂度：O(n2) # 因为每次都是进行完全遍历,不管是否先排好序
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）

3.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。

def insert_sort(a):
	for i in range(1,len(a)):
		for j in range(0,i):  # 这里是从前面插入,当然,这里也可以从后面插入,只需要把j从大到小,后面的if条件也相反就可以
			if a[j]>a[i]:
				a[j],a[i] = a[i],a[j] # 将元素插入到前面排好序的数据中
				

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

4.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(a,start=0,end=len(a)-1):
	#设置基准
	# start = 0
	# end = len(a)-1
	if start>end:
		return
	cur = a[start]  # 设置判定基准
	while start<end:
		# 从右边开始向左
		while cur<a[end]:
			end -= 1
		# 从左边开始向右
		a[start] = a[end]
		while a[start]<cur:
			start += 1
		a[end] = a[start]
	a[start] = cur
	# 递归进行循环
	quick_sort(a,0,start-1)
	quick_sort(a,start+1,len(a)-1])

时间复杂度
最优时间复杂度：O(nlogn)
最坏时间复杂度：O(n2)
稳定性：不稳定

5.希尔排序
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。

def shell_sort(a):
	# 设定插入的长度
	n = len(a)
	length = n//2
	# 进入循环体
	while length>0:
		for i in range(length,n):
			j = i
			while j>length and a[j-length]>a[j]:  # 相当于进行列排序
				a[j-length],a[j] = a[j],a[j-length]
				j -= length
		# 更新步长
		length = length//2

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

6.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(a):
	# 设置递归的终止条件
	if len(a)<=1:
		return a
	# 拆开
	n = len(a)//2
	left = merge_sotr(a[0:n])
	right = merge_sort(a[n:])
	
	# 进行合并
	return merge(left,right)

def merge(left,right):
	cur_left = 0
	cur_right = 0
	result = []
	# 将排序好的两个列表进行合并排序:
	while cur_left<len(left) and cur_right<len(right):
		if left[cur_left]<right[cur_right]:
			result.append(left[cur_left]
			cur_left += 1
		else:
			result.append(right[cur_right]
			cur_right += 1
	# 将剩下的不符合条件的添加到result中(剩下的都是大的数,且只能是一边有数值,另一边没有数值)
	result += left[cur_left:]
	result += right[cur_right:]
	return result

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

常见排序算法效率比较