算法2——链表，数组，和选择排序

首先我们来认识一下计算机的内存工作原理：

计算机的内存就像是我们平时存放东西的储物柜一样，我们把背包之类的物品放入柜子里，每个柜子有一个专属的编号，我们记住这个编号，然后根据编号就可以找到柜子拿回属于我们的物体。

在计算机里，就有很多这种柜子，叫内存单元，每个柜子的编号就是地址。那么如何将数据存放到相应的地址内呢，有两种基本方式，链表和数组，接下来我们分别介绍他们并比较其优缺点。

什么是数组(array)？

假如我们有一个四乘四的格子，即16个小格子，相当于计算机的内存，从左到右，从上到小分别编号0-15。每个格子代表一个地址。此时，我有一个包含四个数的数组a[4]，我们想把它放到这16个格子当中，如果16格子全部为空，我可以放到任意的位置上，比如0-3或者4-7，这个编号就代表数组所存放的地址。但是这四个数必须是相邻的，不能有跳跃。这就是数组存储在计算机内存的方式。

但是，如果这16个格子不全为空，编号为3，7，11，15的格子里本身存有数据，我们不能占用，那我们还可以将数组a[4]存入这16个格子中吗？答案是不能，因为我们发现已经没有相邻的4个格子了，连在一起的格子最多只有3个，那这时我们要怎么存储数据呢，这就引出了链表。

什么是链表(linked list)?

链表也是数据存储在计算机内存里的一种方式，不同于数组的是，当我们存储一个数的时候，我们还会记下下一个数所在的地址。这有什么好处呢，回到上面的例子，现在编号3，7，11，15的格子已经被占用了，假设我们将前三个数存储在0-2编号的格子里，存储第一个数时会包括第二个数的地址，第二个数会包括第三个数的地址，存储放在编号2的格子里的第三个数还包括第四个数的地址。假设我们将第四个数存在编号4的格子里（因为编号3的格子已经被占用），当我们读到第三个数时，由于有了第四个数的地址，我们可以直接跳到编号4的格子中读取里面的数字。而数组由于不存储下一个数据所在的地址，所以我们必须将他们相邻排列，前一个地址加一就是后一个数的地址所在。

数组和链表的比较

现在我们知道了数组和链表的工作原理，那么谁更好呢。当然世界上没有绝对的优势与劣势，链表和数组也有各自擅长的情形，接下来我们考虑几个操作，读取，插入，删除。

读取 （数组 优于 链表）

假设我们想从数组里读取第四个元素，由于数组是相邻排列，我们只需要将头元素的地址加4就可以直接访问到第四个元素，只是简单的加法运算即可得到，相当于直接查表，所以运行时间是O(1)。

假设我们想从链表里读取第四个元素，链表不一定是相邻排列，我们必须从第一个查到第二个的地址，从第二个再查第三个，从第三个再查第四个，无论我们查第几个元素，都要遍历一遍这个元素前面的所有元素才可以找到我们想要的，所以运行时间是O(n)。

插入（链表 优于 数组）

假设我们想在包含四个数据的数组再插入一个数据，则数组的大小发生了变化，首先我们需要确保加了一个数据之后，内存中还有五个相邻的格子，其次，如果我们把新数据插在头一个，那么所有后面的数都要相应往后挪一位，每一个数据本身的地址都发生了变化，所以运行时间是O(n)。

假设我们想在包含四个数据的链表里插入一个新数据，假如插在第二位，我们可以将新数据放入到任意一个空的格子里，然后让第一个数记下这个新数据格子的地址，这样第一个数之后我们就查询到第二个数，也就是新数据，我们再让新数据存储原本第二个数的地址，这样从新数可以查到旧的第二位数，这样新数据就被加进了原本的第一位数和第二位数之间。那么后面的数据呢？我们完全不需要动，对吧。所以运行时间是O(1)。

删除（链表 优于 数组）

删除的操作和插入的操作很相像。对于数组而言，删除一个元素也是改变了数组本身的大小，如果删除第一个元素，后面所有元素都要向前挪一位，所有元素地址都要变，运行时间是O(n)。

而对于链表，一样原理，链表有一个叫头结点(head)的东西，顾名思义它是开始，它存储着第一个数的地址，如果我们要删除第一个元素的时候，只需要将头结点里的地址改为原本第二个数的地址，这样从头节点我们就直接跳到了原来的第二个数上，原本的第一个数自然而然就被删除掉了，而后面的数字则全部不需要动，所以运行时间是O(1)。

我想下面这幅图可以更好的帮助理解关于链表的操作。绿色箭头代表指向下一个元素的地址，紫色箭头是跨过E直接指向了A的地址，也就是相当于删除元素E的操作了。链表操作比较难理解，我会在之后放入更为详细的讲解。

选择排序

在算法1里我们讲到了二分查找，每次先找中间的然后比较，但这必须是有序的数列，如果是无序的数列呢？这里我们将一种比较简单直观，效率可能较低，但很基本的排序方法，选择排序。

假如我们有5个学生，他们是数学成绩如下，很明显这是无序的，我们想要按照成绩从高到低的顺序进行排列，要如何做呢？

  ->  ->...

最简单的方法就是，先从头到尾看一遍找到最高的挑出来，然后再从头到尾查一遍挑出第二高，...，然后第三高，第四高，直至最后。很简单对吧，这就是选择排序。很简单易懂，当然花费时间也很高，来让我们算算它的运行时间。

假设有n个同学需要排序，第一次需要查看n个同学找到最高，第二次只需要查看n-1个同学，然后n-2个同学，直至查到最后一名，所以总时间t = n + (n-1) +(n-2) + ... + 1 = n(n+1)/2 = (n^2+n)/2 ，而时间复杂度我们一般忽略常数项取最高次的多项，所以这里选择排序的运行时间是O(n^2).

代码实现

def findSmallest(lst):
  smallest = lst[0]
  smallest_index = 0
  for i in range(len(lst)):
    print('com',lst[i],smallest)
    if lst[i] < smallest:
      smallest = lst[i]
      smallest_index = i
  return smallest_index
  
def selectionSort(lst):
  new_list = []
  while len(lst) > 0:
    smallest_index = findSmallest(lst)
    new_list.append(lst.pop(smallest_index))
    print(lst)
  return new_list

mylst = [1,2,3,4,1,2]
mynew_lst = []
mynew_lst = selectionSort(mylst)
print(mynew_lst)

Reference: 理解来源于《算法图解》