排序算法大整理

前言

为了准备腾讯的笔试，我打算好好攻克一下算法题。最常见的题目类型之一就是排序算法了，需要掌握不同算法的实现和时间、空间复杂度。之前都是零星的学习，这次试着做一个完整的整理。

排序算法的评价

稳定性

稳定排序算法会依照相等的关键（换言之就是值）维持纪录的相对次序。也就是一个排序算法是稳定的，就是当有两个有相等关键的纪录R和S，且在原本的串行中R出现在S之前，在排序过的串行中R也将会是在S之前。

计算复杂度（最差、平均、和最好表现）

依据串行（list）的大小（n），一般而言，好的表现是O(nlogn)，且坏的行为是O(n2)。对于一个排序理想的表现是O(n)。仅使用一个抽象关键比较运算的排序算法总平均上总是至少需要O(nlogn)。

所有基于比较的排序的时间复杂度至少是 O(nlogn)。

常见排序算法

常见的稳定排序算法有：

• 冒泡排序（Bubble Sort） — O(n²)
• 插入排序（Insertion Sort）— O(n²)
• 桶排序（Bucket Sort）— O(n); 需要 O(k) 额外空间
• 计数排序 (Counting Sort) — O(n+k); 需要 O(n+k) 额外空间
• 合并排序（Merge Sort）— O(nlogn); 需要 O(n) 额外空间
• 二叉排序树排序 （Binary tree sort） — O(n log n) 期望时间; O(n²)最坏时间; 需要 O(n) 额外空间
• 基数排序（Radix sort）— O(n·k); 需要 O(n) 额外空间

常见的不稳定排序算法有：

• 选择排序（Selection Sort）— O(n²)
• 希尔排序（Shell Sort）— O(nlogn)
• 堆排序（Heapsort）— O(nlogn)
• 快速排序（Quicksort）— O(nlogn) 期望时间, O(n²) 最坏情况; 对于大的、乱数串行一般相信是最快的已知排序

一个其他的版本，建议收藏。

冒泡排序BubbleSort

步骤

1. 比较相邻的元素。如果第一个比第二个大，就交换他们两个。
2. 对第0个到第n-1个数据做同样的工作。这时，最大的数就“浮”到了数组最后的位置上。
3. 针对所有的元素重复以上的步骤，除了最后一个。
4. 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。

分析

冒泡排序是最简单最容易理解的排序算法之一，其思想是通过无序区中相邻记录关键字间的比较和位置的交换,使关键字最小的记录如气泡一般逐渐往上“漂浮”直至“水面”。 冒泡排序的复杂度，在最好情况下，即正序有序，则只需要比较n次。故，为O(n)，最坏情况下，即逆序有序，则需要比较(n-1)+(n-2)+……+1，故，为O(n²)。

代码

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

优化：

def bubble_sort(array):