Python 实现七大排序算法

if name == “main”:

test = [2, 5, 4, 6, 7, 3, 2]

print(bubble_sort(test))

快速排序

---

描述

快速排序的时间复杂度是 O(n log n)， 是不稳定排序算法。

通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。

代码实现

-- coding: UTF-8 --

def quick_sort(lists, left, right):

快速排序 时间复杂度是 O(n log n)

if left >= right:

return lists

key = lists[left]

low = left

high = right

while left < right:

while left < right and lists[right] >= key:

right -= 1

lists[left] = lists[right]

while left < right and lists[left] <= key:

left += 1

lists[right] = lists[left]

lists[right] = key

quick_sort(lists, low, left - 1)

quick_sort(lists, left + 1, high)

return lists

if name == “main”:

test = [2, 5, 4, 6, 7, 3, 2]

print(quick_sort(test, 0, len(test) - 1))

直接选择排序

---

描述

选择排序的时间复杂度是 O(n²)， 是不稳定排序算法。

基本思想：第 1 趟，在待排序记录 r1 ~ r[n] 中选出最小的记录，将它与 r1 交换；第 2 趟，在待排序记录 r2 ~ r[n] 中选出最小的记录，将它与 r2 交换；以此类推，第 i 趟在待排序记录 r[i] ~ r[n] 中选出最小的记录，将它与 r[i] 交换，使有序序列不断增长直到全部排序完毕。

代码实现

-- coding: UTF-8 --

def select_sort(lists):

选择排序 时间复杂度是 O(n²)

count = len(lists)

for i in range(0, count):

min = i

for j in range(i + 1, count):

if lists[min] > lists[j]:

min = j

lists[min], lists[i] = lists[i], lists[min]

return lists

if name == “main”:

test = [2, 5, 4, 6, 7, 3, 2]

print(select_sort(test))

堆排序

---

描述

堆排序的时间复杂度是 O(n log n)， 是不稳定排序算法。

堆排序(Heapsort)是指利用堆积树（堆）这种数据结构所设计的一种排序算法，它是选择排序的一种。可以利用数组的特点快速定位指定索引的元素。堆分为大根堆和小根堆，是完全二叉树。大根堆的要求是每个节点的值都不大于其父节点的值，即 A[PARENT[i]] >= A[i]。在数组的非降序排序中，需要使用的就是大根堆，因为根据大根堆的要求可知，最大的值一定在堆顶。

代码实现

-- coding: UTF-8 --

from collections import deque

def swap_param(lists, i, j):

lists[i], lists[j] = lists[j], lists[i]

return lists

def heap_adjust(lists, start, end):

temp = lists[start]

i = start

j = 2 * i

while j <= end:

if (j < end) and (lists[j] < lists[j + 1]):

j += 1

if temp < lists[j]:

lists[i] = lists[j]

i = j

j = 2 * i

else:

break

lists[i] = temp

def heap_sort(lists):

length = len(lists) - 1

first_sort_count = length / 2

for i in range(first_sort_count):

heap_adjust(lists, first_sort_count - i, length)

for i in range(length - 1):

lists = swap_param(lists, 1, length - i)

heap_adjust(lists, 1, length - i - 1)

return [lists[i] for i in range(1, len(lists))]

def main():

lists = deque([50, 16, 30, 10, 60, 90, 2, 80, 70])

lists.appendleft(0)

print heap_sort(lists)

if name == ‘main’:

main()

归并排序

---

描述

时间复杂度是 O(n log n)， 是稳定排序算法。

归并排序是建立在归并操作上的一种有效的排序算法,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，称为二路归并。

归并过程为：比较a[i]和a[j]的大小，若a[i]≤a[j]，则将第一个有序表中的元素a[i]复制到r[k]中，并令i和k分别加上1；否则将第二个有序表中的元素a[j]复制到r[k]中，并令j和k分别加上1，如此循环下去，直到其中一个有序表取完，然后再将另一个有序表中剩余的元素复制到r中从下标k到下标t的单元。归并排序的算法我们通常用递归实现，先把待排序区间[s,t]以中点二分，接着把左边子区间排序，再把右边子区间排序，最后把左区间和右区间用一次归并操作合并成有序的区间[s,t]。

代码实现

-- coding: UTF-8 --

def merge_sort(lists):

归并排序 时间复杂度是 O(n log n)

if len(lists) <= 1:

return lists

num = int(len(lists) / 2)

left_lists = merge_sort(lists[:num])

right_lists = merge_sort(lists[num:])

return merge(left_lists, right_lists)

def merge(left_lists, right_lists):

left, right = 0, 0

result = []

while left < len(left_lists) and right < len(right_lists):

if left_lists[left] < right_lists[right]:

result.append(left_lists[left])

left += 1

else:

result.append(right_lists[right])

right += 1

result += left_lists[left:]

result += right_lists[right:]

return result

if name == “main”:

test = [2, 5, 4, 6, 7, 3, 2]

print(merge_sort(test))

参考文档：
https://baagee.vip/index/article/id/101.html
https://www.jianshu.com/p/d174f1862601

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！