排序算法及其python实现

chatgpt生成的一些排序算法

在计算机科学中，有许多用于对数据进行排序的算法。以下是一些常用的排序算法：

1. 冒泡排序（Bubble Sort）： 通过不断比较相邻的元素，并交换顺序不正确的元素，将最大（或最小）元素逐步“冒泡”到正确的位置。时间复杂度为O(n^2)。

2. 选择排序（Selection Sort）： 每次从未排序部分选择一个最小（或最大）元素，放到已排序部分的末尾。时间复杂度为O(n^2)。

3. 插入排序（Insertion Sort）： 将数据分为已排序和未排序两部分，每次从未排序部分取出一个元素，插入到已排序部分的适当位置。时间复杂度为O(n^2)。

4. 快速排序（Quick Sort）： 通过选择一个“基准”元素，将数组分为小于基准的部分和大于基准的部分，然后递归地对这两部分进行排序。时间复杂度通常为O(n log n)。

5. 归并排序（Merge Sort）： 将数组分为两部分，递归地对这两部分进行排序，然后将两部分合并起来。时间复杂度为O(n log n)。

6. 堆排序（Heap Sort）： 构建最大（或最小）堆，然后将堆顶元素与最后一个元素交换，重新构建堆，重复此过程。时间复杂度为O(n log n)。

7. 希尔排序（Shell Sort）： 是一种插入排序的变种，通过将数组分成多个子序列进行排序，逐步减少子序列的间隔，最终进行一次完整的插入排序。时间复杂度取决于间隔序列的选择。

8. 计数排序（Counting Sort）： 适用于一定范围内的整数排序，通过统计每个元素出现的次数，然后根据次数重建排序后的数组。时间复杂度为O(n + k)，其中k是数据范围。

9. 基数排序（Radix Sort）： 将数据按照位数进行排序，从低位到高位，每一位使用稳定的排序算法。时间复杂度取决于位数和稳定排序的算法。

10. 桶排序（Bucket Sort）： 将数据划分为一些范围（桶），然后将数据分别放入对应的桶中，再对每个桶内部进行排序。时间复杂度取决于桶的数量和每个桶内部的排序算法。

每个排序算法都有其适用的场景和性能特点，具体选择哪种排序算法取决于数据规模、性能需求以及其他因素。

冒泡排序的python实现

def bublol_sort(li):
    for i in range(len(li)-1):
        for j in range(len(li)-1-i):
            if li[j] > li[j+1]:
                li[j], li[j+1] = li[j+1], li[j]

选择排序的python实现

def select_sort(li):
    for i in range(len(li)-1):
        min_loc = i
        for j in range(i+1, len(li)):
            if li[min_loc] >= li[j]:
                min_loc = j
        li[i], li[min_loc] = li[min_loc], li[i]

插入排序的python实现

def insert_sort(li: list):          # 插入排序
    for i in range(1, len(li)):         # 遍历无序区，初始时从第二个元素开始为无序区
        insert_loc = i             
        num = li[i]                 # 记录第i个位置的值，防止在后移有序区元素时值被覆盖
        for j in range(0, i):       # 遍历有序区找到插入的位置
            if li[i] < li[j]:
                insert_loc = j
                break
        for k in range(insert_loc, i)[::-1]:        # 倒着将插入位置后的元素后移。倒着移动是防止覆盖
            li[k+1] = li[k]
        li[insert_loc] = num      # 在找到的插入位置插入值