总结了一下常见集中排序的算法

总结了一下常见集中排序的算法

归并排序

归并排序也称合并排序，是分治法的典型应用。分治思想是将每个问题分解成个个小问题，将每个小问题解决，然后合并。

具体的归并排序就是，将一组无序数按n/2递归分解成只有一个元素的子项，一个元素就是已经排好序的了。然后将这些有序的子元素进行合并。

合并的过程就是 对 两个已经排好序的子序列，先选取两个子序列中最小的元素进行比较，选取两个元素中最小的那个子序列并将其从子序列中

去掉添加到最终的结果集中，直到两个子序列归并完成。

代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

#!/usr/bin/python import sys    def merge(nums, first, middle, last):    ''''' merge '''    # 切片边界,左闭右开并且是了0为开始    lnums = nums[first:middle + 1 ]    rnums = nums[middle + 1 :last + 1 ]    lnums.append(sys.maxint)    rnums.append(sys.maxint)    l = 0    r = 0    for i in range (first, last + 1 ):      if lnums[l] < rnums[r]:        nums[i] = lnums[l]        l + = 1      else :        nums[i] = rnums[r]        r + = 1 def merge_sort(nums, first, last):    ''''' merge sort    merge_sort函数中传递的是下标，不是元素个数    '''    if first < last:      middle = (first + last) / 2      merge_sort(nums, first, middle)      merge_sort(nums, middle + 1 , last)      merge(nums, first, middle,last)    if __name__ = = '__main__' :    nums = [ 10 , 8 , 4 , - 1 , 2 , 6 , 7 , 3 ]    print 'nums is:' , nums    merge_sort(nums, 0 , 7 )    print 'merge sort:' , nums

稳定，时间复杂度 O(nlog n)

插入排序

代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

#!/usr/bin/python importsys    definsert_sort(a):    ''''' 插入排序    有一个已经有序的数据序列，要求在这个已经排好的数据序列中插入一个数，    但要求插入后此数据序列仍然有序。刚开始 一个元素显然有序，然后插入一    个元素到适当位置，然后再插入第三个元素，依次类推    '''    a_len = len (a)    if a_len = 0 and a[j] > key:        a[j + 1 ] = a[j]        j - = 1      a[j + 1 ] = key    return a    if __name__ = = '__main__' :    nums = [ 10 , 8 , 4 , - 1 , 2 , 6 , 7 , 3 ]    print 'nums is:' , nums    insert_sort(nums)    print 'insert sort:' , nums

稳定，时间复杂度 O(n^2)

交换两个元素的值python中你可以这么写：a, b = b, a，其实这是因为赋值符号的左右两边都是元组

（这里需要强调的是，在python中，元组其实是由逗号“,”来界定的，而不是括号）。

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。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

import sys def select_sort(a):    ''''' 选择排序    每一趟从待排序的数据元素中选出最小（或最大）的一个元素，    顺序放在已排好序的数列的最后，直到全部待排序的数据元素排完。    选择排序是不稳定的排序方法。    '''    a_len = len (a)    for i in range (a_len): #在0-n-1上依次选择相应大小的元素      min_index = i #记录最小元素的下标      for j in range (i + 1 , a_len): #查找最小值        if (a[j]<a[min_index]):          min_index = j      if min_index ! = i: #找到最小元素进行交换        a[i],a[min_index] = a[min_index],a[i]    if __name__ = = '__main__' :    A = [ 10 , - 3 , 5 , 7 , 1 , 3 , 7 ]     print 'Before sort:' ,A     select_sort(A)     print 'After sort:' ,A

不稳定，时间复杂度 O(n^2)

希尔排序

希尔排序，也称递减增量排序算法,希尔排序是非稳定排序算法。该方法又称缩小增量排序，因DL．Shell于1959年提出而得名。

先取一个小于n的整数d1作为第一个增量，把文件的全部记录分成d1个组。所有距离为d1的倍数的记录放在同一个组中。先在各组内进行排序；

然后，取第二个增量d2

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

import sys def shell_sort(a):    ''''' shell排序    '''    a_len = len (a)    gap = a_len / 2 #增量    while gap> 0 :      for i in range (a_len): #对同一个组进行选择排序        m = i        j = i + 1        while j<a_len:          if a[j]<a[m]:            m = j          j + = gap #j增加gap        if m! = i:          a[m],a[i] = a[i],a[m]      gap / = 2    if __name__ = = '__main__' :    A = [ 10 , - 3 , 5 , 7 , 1 , 3 , 7 ]     print 'Before sort:' ,A     shell_sort(A)     print 'After sort:' ,A

不稳定，时间复杂度 平均时间 O(nlogn) 最差时间O(n^s)1

堆排序 ( Heap Sort )

“堆”的定义：在起始索引为 0 的“堆”中：

节点 i 的右子节点在位置 2 * i + 24) 节点 i 的父节点在位置 floor( (i – 1) / 2 )   : 注 floor 表示“取整”操作

堆的特性：

每个节点的键值一定总是大于（或小于）它的父节点

“最大堆”：

“堆”的根节点保存的是键值最大的节点。即“堆”中每个节点的键值都总是大于它的子节点。

上移，下移 ：

当某节点的键值大于它的父节点时，这时我们就要进行“上移”操作，即我们把该节点移动到它的父节点的位置，而让它的父节点到它的位置上，然后我们继续判断该节点，直到该节点不再大于它的父节点为止才停止“上移”。

现在我们再来了解一下“下移”操作。当我们把某节点的键值改小了之后，我们就要对其进行“下移”操作。

方法：

我们首先建立一个最大堆(时间复杂度O(n))，然后每次我们只需要把根节点与最后一个位置的节点交换，然后把最后一个位置排除之外，然后把交换后根节点的堆进行调整(时间复杂度 O(lgn) )，即对根节点进行“下移”操作即可。 堆排序的总的时间复杂度为O(nlgn).

代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49

#!/usr/bin env python    # 数组编号从 0开始 def left(i):    return 2 * i + 1 def right(i):    return 2 * i + 2    #保持最大堆性质 使以i为根的子树成为最大堆 def max_heapify(A, i, heap_size):    if heap_size < = 0 :      return    l = left(i)    r = right(i)    largest = i # 选出子节点中较大的节点    if l A[largest]:      largest = l    if r A[largest]:      largest = r    if i ! = largest : #说明当前节点不是最大的，下移      A[i], A[largest] = A[largest], A[i] #交换      max_heapify(A, largest, heap_size) #继续追踪下移的点    #print A # 建堆  def bulid_max_heap(A):    heap_size = len (A)    if heap_size > 1 :      node = heap_size / 2 - 1      while node > = 0 :       max_heapify(A, node, heap_size)       node - = 1    # 堆排序 下标从0开始 def heap_sort(A):    bulid_max_heap(A)    heap_size = len (A)    i = heap_size - 1    while i > 0 :      A[ 0 ],A[i] = A[i], A[ 0 ] # 堆中的最大值存入数组适当的位置，并且进行交换      heap_size - = 1 # heap 大小 递减 1      i - = 1 # 存放堆中最大值的下标递减 1      max_heapify(A, 0 , heap_size)    if __name__ = = '__main__' :       A = [ 10 , - 3 , 5 , 7 , 1 , 3 , 7 ]    print 'Before sort:' ,A    heap_sort(A)    print 'After sort:' ,A

不稳定，时间复杂度 O(nlog n)

快速排序

快速排序算法和合并排序算法一样，也是基于分治模式。对子数组A[p…r]快速排序的分治过程的三个步骤为：

分解：把数组A[p…r]分为A[p…q-1]与A[q+1…r]两部分，其中A[p…q-1]中的每个元素都小于等于A[q]而A[q+1…r]中的每个元素都大于等于A[q]；

解决：通过递归调用快速排序，对子数组A[p…q-1]和A[q+1…r]进行排序；

合并：因为两个子数组是就地排序的，所以不需要额外的操作。

对于划分partition 每一轮迭代的开始，x=A[r], 对于任何数组下标k，有：

1) 如果p≤k≤i，则A[k]≤x。

2) 如果i+1≤k≤j-1，则A[k]>x。

3) 如果k=r，则A[k]=x。

代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57

#!/usr/bin/env python # 快速排序 ''''' 划分 使满足 以A[r]为基准对数组进行一个划分，比A[r]小的放在左边，    比A[r]大的放在右边 快速排序的分治partition过程有两种方法， 一种是上面所述的两个指针索引一前一后逐步向后扫描的方法, 另一种方法是两个指针从首位向中间扫描的方法。 ''' #p,r 是数组A的下标 def partition1(A, p ,r):    '''''     方法一，两个指针索引一前一后逐步向后扫描的方法    '''    x = A[r]    i = p - 1    j = p    while j < r:      if A[j] < x:        i + = 1        A[i], A[j] = A[j], A[i]      j + = 1    A[i + 1 ], A[r] = A[r], A[i + 1 ]    return i + 1    def partition2(A, p, r):    '''''    两个指针从首尾向中间扫描的方法    '''    i = p    j = r    x = A[p]    while i = x and i < j:        j - = 1      A[i] = A[j]      while A[i]< = x and i < j:        i + = 1      A[j] = A[i]    A[i] = x    return i    # quick sort def quick_sort(A, p, r):    '''''      快速排序的最差时间复杂度为O(n2)，平时时间复杂度为O(nlgn)    '''    if p < r:      q = partition2(A, p, r)      quick_sort(A, p, q - 1 )      quick_sort(A, q + 1 , r)    if __name__ = = '__main__' :       A = [ 5 , - 4 , 6 , 3 , 7 , 11 , 1 , 2 ]    print 'Before sort:' ,A    quick_sort(A, 0 , 7 )    print 'After sort:' ,A

不稳定，时间复杂度 最理想 O(nlogn)最差时间O(n^2)

说下python中的序列：

列表、元组和字符串都是序列，但是序列是什么，它们为什么如此特别呢？序列的两个主要特点是索引操作符和切片操作符。索引操作符让我们可以从序列中抓取一个特定项目。切片操作符让我们能够获取序列的一个切片，即一部分序列,如：a = [‘aa','bb','cc'], print a[0] 为索引操作，print a[0:2]为切片操作。

  希望通过此文掌握Python 算法排序的知识，谢谢大家对本站的支持！

原文链接：http://python.jobbole.com/86495/

转载于:https://www.cnblogs.com/xuchunlin/articles/5942263.html