Python学习笔记11-算法：排序算法

排序算法用于将一组数据按某种顺序排列。排序是计算机科学中一个基本的操作，广泛应用于各种应用场景。下面是一些常见的排序算法，包括它们的基本描述、时间复杂度和空间复杂度。

1. 冒泡排序（Bubble Sort）

描述：冒泡排序通过重复交换相邻的未排序元素，将最大（或最小）的元素“冒泡”到序列的一端。

时间复杂度：

• 最坏情况：O(n^2)
• 平均情况：O(n^2)
• 最好情况：O(n), 当数组已经排序时（优化版）

空间复杂度：O(1)

代码示例：

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
    return arr

2. 选择排序（Selection Sort）

描述：选择排序通过不断选择未排序部分中的最小（或最大）元素并放到已排序部分的末尾。

时间复杂度：

• 最坏情况：O(n^2)
• 平均情况：O(n^2)
• 最好情况：O(n^2)

空间复杂度：O(1)

代码示例：

def selection_sort(arr):
    n = len(arr)
    for i in range(n):
        min_idx = i
        for j in range(i+1, n):
            if arr[j] < arr[min_idx]:
                min_idx = j
        arr[i], arr[min_idx] = arr[min_idx], arr[i]
    return arr

3. 插入排序（Insertion Sort）

描述：插入排序通过将每个元素插入到前面已排序的部分中，逐步构建有序序列。

时间复杂度：

• 最坏情况：O(n^2)
• 平均情况：O(n^2)
• 最好情况：O(n), 当数组已经排序时

空间复杂度：O(1)

代码示例：

def insertion_sort(arr):
    for i in range(1, len(arr)):
        key = arr[i]
        j = i - 1
        while j >= 0 and key < arr[j]:
            arr[j + 1] = arr[j]
            j -= 1
        arr[j + 1] = key
    return arr

4. 合并排序（Merge Sort）

描述：合并排序是一个分治算法，递归地将数组分成两半，分别排序后合并。

时间复杂度：

• 最坏情况：O(n log n)
• 平均情况：O(n log n)
• 最好情况：O(n log n)

空间复杂度：O(n)

代码示例：

def merge_sort(arr):
    if len(arr) > 1:
        mid = len(arr) // 2
        L = arr[:mid]
        R = arr[mid:]

        merge_sort(L)
        merge_sort(R)

        i = j = k = 0
        while i < len(L) and j < len(R):
            if L[i] < R[j]:
                arr[k] = L[i]
                i += 1
            else:
                arr[k] = R[j]
                j += 1
            k += 1

        while i < len(L):
            arr[k] = L[i]
            i += 1
            k += 1

        while j < len(R):
            arr[k] = R[j]
            j += 1
            k += 1
    return arr

5. 快速排序（Quick Sort）

描述：快速排序使用分治策略，选择一个“基准”元素，将数组分成两部分，使得一部分小于基准，另一部分大于基准，然后递归地排序这两部分。

时间复杂度：

• 最坏情况：O(n^2)，当每次选择的基准是最小或最大元素时
• 平均情况：O(n log n)
• 最好情况：O(n log n)

空间复杂度：O(log n)（递归调用栈）

代码示例：

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

6. 堆排序（Heap Sort）

描述：堆排序使用堆数据结构，通过构建最大堆或最小堆来排序数组。

时间复杂度：

• 最坏情况：O(n log n)
• 平均情况：O(n log n)
• 最好情况：O(n log n)

空间复杂度：O(1)

代码示例：

def heapify(arr, n, i):
    largest = i
    l = 2 * i + 1
    r = 2 * i + 2

    if l < n and arr[l] > arr[largest]:
        largest = l

    if r < n and arr[r] > arr[largest]:
        largest = r

    if largest != i:
        arr[i], arr[largest] = arr[largest], arr[i]
        heapify(arr, n, largest)

def heap_sort(arr):
    n = len(arr)
    for i in range(n // 2 - 1, -1, -1):
        heapify(arr, n, i)

    for i in range(n-1, 0, -1):
        arr[i], arr[0] = arr[0], arr[i]
        heapify(arr, i, 0)
    return arr

7. 基数排序（Radix Sort）

描述：基数排序是一种非比较排序算法，通过对每一位数字进行排序来实现。

时间复杂度：

• 最坏情况：O(n * k)，其中k是数字的位数
• 平均情况：O(n * k)
• 最好情况：O(n * k)

空间复杂度：O(n + k)

代码示例：

def counting_sort(arr, exp):
    n = len(arr)
    output = [0] * n
    count = [0] * 10

    for i in range(n):
        index = arr[i] // exp
        count[index % 10] += 1

    for i in range(1, 10):
        count[i] += count[i - 1]

    i = n - 1
    while i >= 0:
        index = arr[i] // exp
        output[count[index % 10] - 1] = arr[i]
        count[index % 10] -= 1
        i -= 1

    for i in range(n):
        arr[i] = output[i]

def radix_sort(arr):
    max_num = max(arr)
    exp = 1
    while max_num // exp > 0:
        counting_sort(arr, exp)
        exp *= 10
    return arr

总结

• 简单排序（如冒泡、选择、插入排序）适用于小规模数据或教学目的。
• 分治排序（如合并排序、快速排序）适用于中到大规模数据。
• 堆排序和基数排序适用于特定场景，基数排序通常用于处理整数数据。

不同的排序算法有不同的优缺点，选择合适的排序算法可以提高程序的效率和性能。