(python)归并排序

前言

        归并排序（Merge Sort）较早为通用存储程序计算机设计的算法之一。它由冯·诺依曼（John von Neumann）在 1945 年发表的“101 报告”时提出，后于 1951 年完成的 EDVAC 计算机上应用了这一算法。

目录

基本思想

复杂度

一般步骤

应用场景

代码

递归方式

非递归方式 

真题

---

基本思想

        将一个数组不断地分成两半，分别对这两半进行排序，然后将排序好的两半合并起来。

复杂度

一种稳定的排序算法，即相同元素的相对顺序在排序前后不会改变。

时间复杂度 O(nlogn) 

递归方式 空间复杂度 O(n + logn) 

非递归方式 空间复杂度 O(n) 

一般步骤

1. 分解：将待排序的数组不断地“一分为二”，直到每个子数组只包含一个元素。
2. 递归排序与合并：在分解过程完成后，递归地对每个子数组进行排序，并将两个相邻的已排序子数组合并成一个有序的新数组。合并时，通过比较两个子数组的元素，按顺序放入新数组中。
3. 结束条件：当所有子数组都合并完毕，最终得到的数组就是完全有序的。

应用场景

归并排序由于其稳定、高效的特点。

只要涉及到对大量数据进行排序且对稳定性有要求的场景，归并排序都可能是一个合适的选择。

1. 大规模数据排序：当需要对大量数据进行排序时，归并排序的  时间复杂度能够保证较好的性能。
2. 外部排序：当数据量太大而无法一次性放入内存时，归并排序常用于外部排序算法中。可以将数据分成多个较小的块，在内存中对每个块进行排序，然后逐步将这些已排序的块合并。
3. 分布式系统：在分布式计算环境中，数据可能分布在不同的节点上。归并排序的思想可以用于合并来自不同节点的已排序数据段。
4. 数据库操作：数据库在对大型数据表进行排序或合并操作时，可能会使用类似归并排序的策略。
5. 排序算法比较和教学：由于归并排序具有清晰的分治思想和相对简单的实现逻辑，常被用于算法教学和不同排序算法的性能比较。
6. 多路归并：在处理多个已排序的数据流（如文件）并将它们合并为一个有序数据流的情况下，归并排序的思想可以扩展为多路归并。

代码

递归方式

自上而下的归并排序 通常更直观，容易理解和实现，因为它利用了递归的思想。

        通过递归的方式将数组不断地分成两半，直到子数组的大小为 1 ，然后再将这些子数组逐步合并成有序的数组。它从整个数组开始，逐步向下细分，然后再向上合并。        

def merge_sort(arr):
    if len(arr) <= 1:
        return arr

    mid = len(arr) // 2
    left_half = merge_sort(arr[:mid])
    right_half = merge_sort(arr[mid:])

    return merge(left_half, right_half)

def merge(left, right):
    result = []
    left_index = 0
    right_index = 0

    while left_index < len(left) and right_index < len(right):
        if left[left_index] < right[right_index]:
            result.append(left[left_index])
            left_index += 1
        else:
            result.append(right[right_index])
            right_index += 1

    result.extend(left[left_index:])
    result.extend(right[right_index:])

    return result

非递归方式 

自下而上的归并排序  通常在迭代实现中更高效，特别是在一些情况下可以避免递归带来的额外开销（如函数调用的开销、栈空间的使用等）。

def merge(seq, low, mid, high):
    """ 合并两个已排序好的子序列 """
    global sort_times
    left = seq[low:mid]
    right = seq[mid:high]
    k = 0  # left 的下标
    j = 0  # right 的下标
    result = []  # 保存合并后的结果
    while k < len(left) and j < len(right):
        if left[k] <= right[j]:
            result.append(left[k])
            k += 1
        else:
            result.append(right[j])
            j += 1

    result += left[k:]
    result += right[j:]
    seq[low:high] = result


def merge_sort(seq):
    i = 1  # 子数组长度，从1开始
    while i < len(seq):
        low = 0
        # print(f'------ start {i} ----')
        while low < len(seq):
            mid = low + i
            high = min(low + 2 * i, len(seq))  # 防止超出数组长度
            if mid < high:
                merge(seq, low, mid, high)
            low += 2 * i  # 移动到下一组要合并的子数组

        # print(f'------ end {i} ----')
        i *= 2  # 子数组长度翻倍

运行样例

array_A = [5, 2, 4, 7, 1, 3, 4, 6]
array_B = merge_sort(array_A)
print(array_B)
# [1, 2, 3, 4, 4, 5, 6, 7]

真题

用归并算法对数组<3, 1, 4, 1, 5, 9, 6, 5>进行从小到大排序，则需要进行多少次数组元素之间的比较?(2011年上半年)

答案:14次