排序算法总结

1、选择排序

不稳定

基本思想：从所有序列中先找到最小的，然后放到第一个位置。之后再看剩余元素中最小的，放到第二个位置……以此类推，就可以完成整个的排序工作了。可以很清楚的发现，选择排序是固定位置，找元素

# 选择排序
def select_sort(lists):

    count = length(lists)

    #从头循环位置
    for i in range(0, count):
        min = i

        #进行比较
        for j in range(i + 1, count):
            if lists[min] > lists[j]:
                min = j
        temp = lists[min]
        lists[min] = lists[i]
        lists[i] = temp
    return lists

2、冒泡排序

基本思想：它的思路很有特点循环，两两向后比较。它重复地走访过要排序的数列，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。

def bubble_sort(lists):
    # 冒泡排序
    count = length(lists)

    for i in range(count-1):
        for j in range(count-1-i):
          if a[j] > a[j+1]:
            a[j], a[j+1] = a[j+1], a[j]

    return lists

3、插入排序

基本思想：插入排序的基本操作就是将一个数据插入到已经排好序的有序数据中，从而得到一个新的、个数加一的有序数据，算法适用于少量数据的排序，时间复杂度为O(n^2)。是稳定的排序方法。插入算法把要排序的数组分成两部分：第一部分包含了这个数组的所有元素，但将最后一个元素除外（让数组多一个空间才有插入的位置），而第二部分就只包含这一个元素（即待插入元素）。在第一部分排序完成后，再将这个最后元素插入到已排好序的第一部分中。

将其第一个看成有序的，后面的元素看成无序的，然后在有序的里面进行操作

def insert_sort(lists):
    # 插入排序
    count = length(lists)

    for i in range(1, count):

        key = lists[i]

        j = i-1
        while j >= 0:

            if lists[j] > key:

                lists[j+1] = lists[j]

                lists[j] = key

            j -= 1

    return lists

4、希尔排序

插入排序中还有一种希尔排序(缩小增量排序)

基本思想，对待排序记录先作宏观调整，再作微观调整

宏观调整：跳跃式插入

注意：从gap位置进行循环即可。

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(必定会达到最后等于1的这个数值)，整个文件恰被分成一组，算法便终止。

def shell_sort(alist):
    """希尔排序"""
    n = len(alist)
    gap = n // 2
    while gap >= 1:
        for j in range(gap, n):
            i = j
            while (i - gap) >= 0:
                if alist[i] < alist[i - gap]:
                    alist[i], alist[i - gap] = alist[i - gap], alist[i]
                    i -= gap
                else:
                    break
        gap //= 2

5、归并排序

基本思想：归并（Merge）排序法是将两个（或两个以上）有序表合并成一个新的有序表，即把待排序序列分为若干个子序列，每个子序列是有序的。然后再把有序子序列合并为整体有序序列。归并过程：比较a[i]和a[j]的大小，若a[i]≤a[j]，则将第一个有序表中的元素a[i]复制到r[k]中，并令i和k分别加上1；否则将第二个有序表中的元素a[j]复制到r[k]中，并令j和k分别加上1，如此循环下去，直到其中一个有序表取完，然后再将另一个有序表中剩余的元素复制到r中从下标k到下标t的单元。归并排序的算法我们通常用递归实现，先把待排序区间[s,t]以中点二分，接着把左边子区间排序，再把右边子区间排序，最后把左区间和右区间用一次归并操作合并成有序的区间[s,t]。

# 归并排序
def merge(left, right):
    i, j = 0, 0
    result = []
    while i < len(left) and j < len(right):
        if left[i] <= right[j]:
            result.append(left[i])
            i += 1
        else:
            result.append(right[j])
            j += 1
    result += left[i:]
    result += right[j:]
    return result

def merge_sort(lists):
    if len(lists) <= 1:
        return lists
    num = len(lists) // 2  # python3 整数除法/会变浮点，改为//
    left = merge_sort(lists[:num])
    right = merge_sort(lists[num:])
    return merge(left, right)

6、快速排序

基本思想：  通过一趟排序将待排序记录分割成独立的两部分，其中一部分记录的关键字均比另一部分关键字小，则分别对这两部分继续进行排序，直到整个序列有序。

取第一个元素将其进行两部分划分，然后再将其进行快速排序

# 快速排序
def quick_sort(lists, left, right):
    if left >= right:
        return lists
    key = lists[left]
    low = left
    high = right
    while left < right:
        while left < right and lists[right] >= key:
            right -= 1
        lists[left] = lists[right]
        while left < right and lists[left] <= key:
            left += 1
        lists[right] = lists[left]
    lists[right] = key
    quick_sort(lists, low, left - 1)
    quick_sort(lists, left + 1, high)
    return lists

7、堆排序

堆排序是一种树形选择排序，是对直接选择排序的有效改进。

    ​堆的定义下：具有n个元素的序列 （h1,h2,...,hn),当且仅当满足（hi>=h2i,hi>=2i+1）或（hi<=h2i,hi<=2i+1） (i=1,2,...,n/2)时称之为堆。在这里只讨论满足前者条件的堆。由堆的定义可以看出，堆顶元素（即第一个元素）必为最大项（大顶堆）。完全二 叉树可以很直观地表示堆的结构。堆顶为根，其它为左子树、右子树。

1. ​基本思想：初始时把要排序的数的序列看作是一棵顺序存储的二叉树，调整它们的存储序，使之成为一个 堆，这时堆的根节点的数最大。然后将根节点与堆的最后一个节点交换。然后对前面(n-1)个数重新调整使之成为堆。依此类推，直到只有两个节点的堆，并对 它们作交换，最后得到有n个节点的有序序列。从算法描述来看，堆排序需要两个过程，一是建立堆，二是堆顶与堆的最后一个元素交换位置。所以堆排序有两个函数组成。一是建堆的渗透函数，二是反复调用渗透函数实现排序的函数。

堆排序思路：1、元素建堆，思路是从下往上建堆

2、是调整堆思想

# 调整堆
def adjust_heap(lists, i, size):

    #是从0开始的，所以是2i+1 与2i+2
    lchild = 2 * i + 1
    rchild = 2 * i + 2
    max = i

    #找根结点
    if i < size / 2:

        #左右结点应该满足的条件
        if lchild < size and lists[lchild] > lists[max]:
            max = lchild
        if rchild < size and lists[rchild] > lists[max]:
            max = rchild
        if max != i:
            lists[max], lists[i] = lists[i], lists[max]

            #交换之后，需要判断下面的是否需要交换，确保为堆
            adjust_heap(lists, max, size)

# 创建堆
def build_heap(lists, size):
    for i in range(0, (int(size/2)))[::-1]:
        adjust_heap(lists, i, size)

# 堆排序
def heap_sort(lists):
    size = len(lists)
    build_heap(lists, size)
    for i in range(0, size)[::-1]:

        #跟最后一个进行交换
        lists[0], lists[i] = lists[i], lists[0]
        adjust_heap(lists, 0, i)
    return lists

8、基数排序(取决于关键字值)

借助多关键字来进行单关键字排序

基本思想：基数排序（radix sort）属于“分配式排序”（distribution sort），又称“桶子法”（bucket sort）或bin sort，顾名思义，它是透过键值的部份资讯，将要排序的元素分配至某些“桶”中，藉以达到排序的作用，基数排序法是属于稳定性的排序，其时间复杂度为O (nlog(r)m)，其中r为所采取的基数，而m为堆数，在某些时候，基数排序法的效率高于其它的稳定性排序法。

实现多关键字排序有两种方法(分配就可以，不需根据前一关键字进行比较)：最高位优先法MSD

最低位优先法LSD

链式基数排序，先分配，再回收

桶式排序：

# 头部需导入import math
def radix_sort(lists, radix=10):

    #关键k是找循环的位数
    k = int(math.ceil(math.log(max(lists), radix)))

    #建立桶，然后将数据放入桶中，进行分配，然后再组合，然后再放入桶中，再分配，再组合
    bucket = [[] for i in range(radix)]
    for i in range(1, k+1):
        for j in lists:
            bucket[int(j/(radix**(i-1)) % (radix**i))].append(j)
        del lists[:]
        for z in bucket:
            lists += z
            del z[:]
    return lists