算法与数据结构——六大排序

import random               #导入随机的(random)模块
def bubble_sort(a_list):    #命名一个冒泡排序的函数
    for i in range(len(a_list)-1):
        exchange = False
        for j in range(len(a_list)-i-1):
            if a_list[j] > a_list[j+1]:
                a_list[j],a_list[j+1] = a_list[j+1],a_list[j]
                exchange = True
        if not exchange:
            return

a_list = [random.randint(0,100) for i in range(10)]
print(a_list)
bubble_sort(a_list)
print(a_list)

Python中return的意思的是返回数值的意思，它可以选择性的返回一个值给调用的方法，语法格式“return[表达式]”，如果不带表达式则return返回的是None.这里它可以结束函数！

##运行结果

##时间复杂度O（n）

O（n**2）
原因：代码中有俩个for循环，并且是嵌套的

##选择排序（select sort）

选择排序：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。
优化：从列表里随机选取一个数然后进行比较，这样时间复杂度就不会那么大

##图片展示

##代码

def select_sort(a_lsit):
    b_list = []
    for i in range(len(a_list)):#一个o（n）
        min_val = min(a_list)   #min操作时间复杂度也是o（n）
        b_list.append(min_val)
        a_list.remove(min_val) #此处不方便用pop,pop需要下标，remove操作时间复杂度也是o（n）
    return b_list
a_list = [1,34,54,23,2,5,63,33,2]
print(select_sort(a_list))
#用这个做法的时间复杂度有o（n**3）这么大，不是最优方案
def select_sort(a_lsit):
    for i in range(len(a_list)-1):
        min_index = i
        for j in range(i+1,len(a_list)):
            if a_list[j] < a_list[min_index]:
                min_index = j
        a_list[i],a_list[min_index] = a_list[min_index], a_list[i]
a_list = [1,34,54,23,2,5,63,33,2]
select_sort(a_list)
print(a_list)

##运行结果

##时间复杂度O(n)

O(n**2 or n**3）

##插入排序(Insert sort)

插入排序：将待排序的数据分为已排序和未排序两部分。初始时，已排序部分只包含第一个元素，未排序部分包含剩下的元素。从未排序部分取出一个元素，与已排序部分的元素逐个比较，找到合适的位置插入。如果已排序部分的元素大于当前元素，就将已排序部分的元素向后移动一位，为当前元素腾出插入位置。将当前元素插入到找到的位置，重复上述步骤，直到未排序部分为空。排序完成后，数组中的元素按照从小到大的顺序排列。
想法：把插入排序当成打扑克牌。初始时，手里只有一张牌（有序区），每次从（无序区）牌堆里摸一张牌出来，插入到手里的正确位置。

##图片展示

随便定一个数为有序区，所以只需要摸n-1张牌来插入到这个有序区中，插8时，把有序区的9往后挪，将8插入！

##代码

def insert_sort(a_list):
    for i in range(1,len(a_list)):
        tmp = a_list[i]
        j = i-1
        while j >=0 and a_list[j] > tmp:
            a_list[j+1] = a_list[j]
            j -=1
        a_list[j+1] = tmp
a_list = [3,34,12,1,4,5,2]
insert_sort(a_list)
print(a_list)

##运行结果

##时间复杂度O(n)

O（n**2）

##天赋三人组

##快速排序（Quick sort）

快速排序：从待排序序列中选一个元素作为基准（pivot）。重新排序数组，将小于基准值元素放在基准值左边，将大于基准值元素放在基准值右边。对左、右两边分别进行快速排序。
运作状况：递归完成排序（有点类似于二分查找）
最坏情况：列表是降序排列的，然后要很麻烦的重新排一次；解决办法：随机找一个值，然后与第一个进行交换。也会可能发生最坏情况，但是概率非常小。一般情况都是nlogn。

##图片展示

左边有空位就从右边的指针从右往左开始找比5小的数！反之亦然。当left指针与right指针重合了，就将5放回来！

##代码

def partition(a_list,left,right):
    tmp = a_list[left]
    while left < right:
        while left < right and a_list[right] >= tmp:#从右边找比tmp小的数
            right -= 1#右边的指针往左边走
        a_list[left] = a_list[right]#把右边的值写在左边的空位上
        while left < right and a_list[left] <= tmp:
            left += 1#左边的指针往右边走
        a_list[right] = a_list[left]#把左边的值写在右边的空位上
    a_list[left] = tmp#把tmp归位
    return left
def quick_sort(a_list,left,right):
    if left < right:#至少俩个元素
        mid = partition(a_list,left,right)
        quick_sort(a_list,left,mid-1)
        quick_sort(a_list,mid+1,right)
a_list = [3,4,1,2,5,7,8,9,6]
quick_sort(a_list,0,len(a_list)-1)
print(a_list)

##运行结果

##时间复杂度O(n)

O(nlogn）
理解：Left与right遇上了结束，意思是经历了n列表的整个长度，就是partition，所以是o（n），在每一层都是一次partition，o（n）的复杂度，有多少层呢？，每次往下减一半，logn例如：log16！所以，时间复杂度是o（nlogn），logn是指以2为底的对数！

##堆排序（Heapsort）

堆排序：是指利用堆这种数据结构所设计的一种排序算法。堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆是一个特殊的完全二叉树

完全二叉树：叶节点只能出现在最下层和次下层，并且最下面一层的节点都集中在该层的最左边的若干位置的二叉树。
堆排序的过程：
首先将待排序的数组构造成一个大根堆，此时，整个数组的最大值就是堆结构的顶端
将顶端的数与末尾的数交换，此时，末尾的数为最大值，剩余待排序数组个数为n-1
将剩余的n-1个数再构造成大根堆，再将顶端数与n-1位置的数交换，如此反复执行，便能得到有序数组

##图片展示

##代码

def sift(a_list,low,high): #写一个调整的函数；low：根节点的位置，hight：堆的最后一个元素的位置
    i = low #i是表示父节点，最开始指的根节点
    j = 2*i+1#j是孩子节点，最开始是左孩子
    tmp = a_list[i]
    while j <= high:#只要j小于堆的最后一个节点
        if j+1 <= high and a_list[j+1] > a_list[j]:#如果右孩子有并且比左孩子大
            j += 1 #j指向右孩子
        if a_list[j] > tmp:
            a_list[i] = a_list[j]
            i = j       #往下看一层
            j = 2 *i +1
        else:#tmp更大，把tmp放在i那里
            a_list[i] = tmp #把tmp放到某一领导位置上
            break
    else:
        a_list[i] = tmp#把tmp放到叶子节点上
def heap_sort(a_list):
    n = len(a_list)
    for i in range((n-2)//2,-1,-1):#从最下面的一层逐渐往上调整
        #i表示建堆的时候调整的部分的根的下标
        sift(a_list,i,n-1)#不管是分成的不同根堆还是整个根堆把hight都定位：最大堆的最后一个元素，方便计算
        #建堆完成
        #如何让它升序输出如下：（涉及到之前说的清空堆），以下的是大根堆弹出
    for i in range(n-1,-1,-1):
        #i指向当前堆的最后一个元素
        a_list[0],a_list[i] = a_list[i],a_list[0]
        sift(a_list,0,i-1)#i-1是新的high,节省内存
a_list=[i for i in range(100)]

import random
random.shuffle(a_list)
print(a_list)
heap_sort(a_list)
print(a_list)

random.shuffle（）随机打乱这些数字

##运行结果

##时间复杂度 O（n）

O（n*logn）

##归并排序

归并排序是建立在归并操作上的一种有效，稳定的排序算法，该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为。

##图片展示

##代码

def merge(a_list,low,mid,high):#这个的前提是俩边已经排好序了，如上图9左边和右边的都排好序了
    i = low
    j = mid + 1
    ltmp = []#临时列表ltmp
    while i <= mid and j <= high:#左右两边都有数
        if a_list[i] < a_list[j]:
            ltmp.append(a_list[i])
            i += 1
        else:
            ltmp.append(a_list[j])
            j += 1
    while i <= mid:   
        ltmp.append(a_list[i])
        i += 1
    while j <= mid:
        ltmp.append(a_list[j])
        j += 1
    a_list[low:high+1] = ltmp
a_list = [2,4,5,9,1,3,7]
merge(a_list,0,3,6)
print(a_list)

##时间复杂度O（n）

O（n*logn）
空间复杂度O(n)因为归并排序和其它排序（原地排序）不一样，它单独开设了一个itmp的空间，当要存的数据足够多时，它的空间复杂度是o（n）。

##小结

朗朗乾坤.py

关注

49
点赞
踩
52

收藏

觉得还不错? 一键收藏
1
评论
算法与数据结构——六大排序

有颜色的是有序区，无颜色的是无序区，每一趟排序后都会多一个有序区，少一个无序区。每一趟排序都是排的无序区。指针指到谁，谁就和自身后面的元素比较，比它大就交换。中return的意思的是返回数值的意思，它可以选择性的返回一个值给调用的方法，语法格式“return[表达式]”，当指针指向8时，8和1进行交换；8在此时已经变为有序区了！随便定一个数为有序区，所以只需要摸n-1张牌来插入到这个有序区中，左边有空位就从右边的指针从右往左开始找比5小的数！插8时，把有序区的9往后挪，将8插入！堆是一个特殊的完全二叉树。
复制链接

扫一扫