排序算法总结（二）

快速排序

快速排序（英语：Quicksort），又称划分交换排序（partition-exchange sort），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。

步骤为：

1. 从数列中挑出一个元素，称为"基准"（pivot），
2. 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区结束之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
3. 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会结束，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

快速排序分析

代码实现 

#coding=utf-8
def quick_sort(alist,first,last):
    """快速排序"""
    if first>=last:
        return

    mid_value = alist[first]
    low = first
    high = last
    while low<high:
        while low<high and alist[high]>=mid_value:
            high-=1
        alist[low] = alist[high]
        # low+=1

        while low<high and alist[low]<mid_value:
            low+=1
        alist[high] = alist[low]
        # high-=1
    alist[low] = mid_value

    #对low左边的列表执行快速排序
    quick_sort(alist,first,low-1)
    # 对low右边的列表执行快速排序
    quick_sort(alist,low+1,last)

if __name__ =="__main__":
    li = [54,26,17,77,31,44,55,20,90,5]
    print(li)
    quick_sort(li,0,len(li)-1)
    print(li)

输出结果：

[54, 26, 17, 77, 31, 44, 55, 20, 90, 5]
[5, 17, 20, 26, 31, 44, 54, 55, 77, 90]

时间复杂度

• 最优时间复杂度：O(nlogn)
• 最坏时间复杂度：O(n2)
• 稳定性：不稳定

从一开始快速排序平均需要花费O(n log n)时间的描述并不明显。但是不难观察到的是分区运算，数组的元素都会在每次循环中走访过一次，使用O(n)的时间。在使用结合（concatenation）的版本中，这项运算也是O(n)。

在最好的情况，每次我们运行一次分区，我们会把一个数列分为两个几近相等的片段。这个意思就是每次递归调用处理一半大小的数列。因此，在到达大小为一的数列前，我们只要作log n次嵌套的调用。这个意思就是调用树的深度是O(log n)。但是在同一层次结构的两个程序调用中，不会处理到原来数列的相同部分；因此，程序调用的每一层次结构总共全部仅需要O(n)的时间（每个调用有某些共同的额外耗费，但是因为在每一层次结构仅仅只有O(n)个调用，这些被归纳在O(n)系数中）。结果是这个算法仅需使用O(n log n)时间。

希尔排序

希尔排序(Shell Sort)是插入排序的一种。也称缩小增量排序，是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。该方法因DL．Shell于1959年提出而得名。 希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。

希尔排序过程

希尔排序的基本思想是：将数组列在一个表中并对列分别进行插入排序，重复这过程，不过每次用更长的列（步长更长了，列数更少了）来进行。最后整个表就只有一列了。将数组转换至表是为了更好地理解这算法，算法本身还是使用数组进行排序。

希尔排序的分析

代码实现

#coding=utf-8
def shell_sort(alist):
    n = len(alist)
    gap = n//2  #取步长
    i=1
    # gap变化到0之前，插入算法执行的次数
    while gap>0:
        #插入算法，与普通的插入算法的区别就是gap步长
        for j in range(gap,n):
            i = j
            while i>0:
                if alist[i]<alist[i-gap]:
                   alist[i],alist[i-gap] = alist[i-gap],alist[i]
                   i-=gap
                else:

                    break
    #缩短步长
        gap//=2
if __name__=="__main__":
    li = [54,26,93,17,77,31,44,55,20,1]
    print(li)
    shell_sort(li)
    print(li)

输出结果：

[54, 26, 93, 17, 77, 31, 44, 55, 20, 1]
[1, 17, 20, 26, 31, 44, 54, 55, 77, 93] 

时间复杂度

• 最优时间复杂度：根据步长序列的不同而不同
• 最坏时间复杂度：O(n2)
• 稳定想：不稳定

归并排序

归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组，再合并数组。

将数组分解最小之后，然后合并两个有序数组，基本思路是比较两个数组的最前面的数，谁小就先取谁，取了后相应的指针就往后移一位。然后再比较，直至一个数组为空，最后把另一个数组的剩余部分复制过来即可。

归并排序分析

代码实现

#coding=utf-8
def merge_sort(alist):
    """归并算法"""
    n = len(alist)
    if n <= 1:
        return alist
    mid = n//2
    #left 采用归档排序后形成的有序的新的列表
    left_li = merge_sort(alist[:mid])
    #right 采用归档排序后形成的有序的新的列表
    right_li = merge_sort(alist[mid:])
    left_pointer,right_pointer=0,0

    result = []
    while left_pointer<len(left_li) and right_pointer<len(right_li):
        if left_li[left_pointer]<right_li[right_pointer]:
            result.append(left_li[left_pointer])
            left_pointer+=1
        else:
            result.append(right_li[right_pointer])
            right_pointer+=1
        # 将剩余部分添加进来
    result+=left_li[left_pointer:]
    result+=right_li[right_pointer:]
    return result

if __name__ =="__main__":
    li = [54,26,17,77,31,44,55,20]
    print(li)
    sorted_li=merge_sort(li)

    print(sorted_li)

输出结果：

[54, 26, 17, 77, 31, 44, 55, 20]
[17, 20, 26, 31, 44, 54, 55, 77] 

时间复杂度

• 最优时间复杂度：O(nlogn)
• 最坏时间复杂度：O(nlogn)
• 稳定性：稳定