Python数据结构与算法 5.排序与搜索

Python数据结构与算法 5.排序与搜索

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。

当相等的元素是无法分辨的，比如像是整数，稳定性并不是一个问题。然而，假设以下的数对将要以他们的第一个数字来排序。

(4, 1) (3, 1) (3, 7)（5, 6）

在这个状况下，有可能产生两种不同的结果，一个是让相等键值的纪录维持相对的次序，而另外一个则没有：

(3, 1) (3, 7) (4, 1) (5, 6) （维持次序）
(3, 7) (3, 1) (4, 1) (5, 6) （次序被改变）

不稳定排序算法可能会在相等的键值中改变纪录的相对次序，但是稳定排序算法从来不会如此。不稳定排序算法可以被特别地实现为稳定。作这件事情的一个方式是人工扩充键值的比较，如此在其他方面相同键值的两个对象间之比较，（比如上面的比较中加入第二个标准：第二个键值的大小）就会被决定使用在原先数据次序中的条目，当作一个同分决赛。然而，要记住这种次序通常牵涉到额外的空间负担。

1.冒泡排序

冒泡排序（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：

1.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。
2.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。
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。

程序实现：

def bubble_sort(alist):
	"""冒泡排序"""
	n = len(alist)
	for j in range(n-1):
		count = 0
		for i in range(0, n-1-j):
			if alist[i] > alist [i+1]:
				alist[i], alist[i+1] = alist[i+1], alist[i]
				count += 1
		if count == 0:
			return alist

# for j in range(len(alist)-1, 0, -1)
# for i in range(j) 

时间复杂度：
最优时间复杂度：O(n)
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。

选择排序的主要优点与数据移动有关。如果某个元素位于正确的最终位置上，则它不会被移动。选择排序每次交换一对元素，它们当中至少有一个将被移到其最终位置上，因此对n个元素的表进行排序总共进行至多n-1次交换。在所有的完全依靠交换去移动元素的排序方法中，选择排序属于非常好的一种。

程序实现：

def selection_sort(alist):
    """选择排序"""
    n = len(alist)
    for j in range(n-1):
        min_index = j
        for i in range(j+1, n):
            if alist[min_index] > alist[i]:
                min_index = i
            alist[j], alist[min_index] = alist[min_index], alist[j]
    return alist

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

3.插入算法

插入排序（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。

程序实现：

def insert_sort(alist):
	n = len(alist)
	for j in range(1, n):
		i = j
		while i > 0:
			if alist[i] < alist[i-1]:
				alist[i], alist[i-1] = alist[i-1], alist[i]
				i -= 1
			else:
				break

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

4.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。

程序实现：

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

5.快速排序

快速排序（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：

1.从数列中挑出一个元素，称为"基准"（pivot），
2.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。
3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。

程序实现：

def quick_sort(alist,start,end):
    """快速排序"""
    if start >=end:
        return
    mid_value=alist[start]
    low =start
    high=end

    while low<high:
        while low < high and alist[high] >= mid_value:
            high -= 1
        alist[low] = alist[high]
        while low < high and alist[low] < mid_value:
            low += 1
        alist[high] = alist[low]

    #从循环退出时，low=high
    alist[low]=mid_value
    quick_sort(alist,start,low-1)
    quick_sort(alist,low+1,end)

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

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(alist):
	"""归并排序"""
	n = len(alist)
	if n <= 1:
		return alist
	mid = n//2
	
	# left 采用归并排序后形成的有序的新的列表
	left_li = merge_sort(alist[:mid])
	# right 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
	# merge(left, right)
	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])
		else:
			result.append(right_li[right_pointer])
			right_pointer += 1
	result += left_li[left_pointer:]
	result += right_li[right_pointer:]
	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

7.搜索

二分法查找：

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顺序表，且插入删除困难。因此，折半查找方法适用于不经常变动而查找频繁的有序列表。首先，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。

程序实现：

（递归实现）

def binary_search(alist, item):
	"""二分查找-递归实现"""
	n = len(alist)
	if n > 0:
		mid = n/2
		if alist[mid] == item:
			return True
		elif item < alist[mid]:
			return binary_search(alist[:mid], item)
		else:
			return binary_search(alist[mid+1:], item)
	return False

（非递归实现）

def binary_search(alist, item):
	"""二分查找-非递归实现"""
	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

时间复杂度：
最优时间复杂度：O(1)
最坏时间复杂度：O(logn)

附：常见排序算法效率比较

排序方法	最好情况	最坏情况	平均情况	稳定性
冒泡排序	O(n)	O(n2)	O(n2)	稳定
选择排序	O(n2)	O(n2)	O(n2)	不稳定
插入排序	O(n)	O(n2)	O(n2)	稳定
希尔排序	O(n1.3)	O(n2)	O(nlogn) ~ O(n2)	不稳定
堆排序	O(nlogn)	O(nlogn)	O(nlogn)	不稳定
归并排序	O(nlogn)	O(nlogn)	O(nlogn)	稳定
快速排序	O(nlogn)	O(n2)	O(nlogn)	不稳定