前言
不知道大家有没有发现,排序算法的考核在校招笔试&面试中已经是 必考题。将基本排序算法的代码以及原理背熟是非常有必要的。
一般在面试中最常考的是快速排序和归并排序等基本的排序算法,并且经常有面试官要求现场手写出基本的排序算法。如果这些问题回答不好,估计面试官都没有继续面试下去的兴趣都没了。所以想开个好头就要把常见的排序算法思想及其特点要熟练掌握,有必要时要熟练写出代码。
今天主要介绍冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序的思想,实现代码全部采用 Python 实现。
六大排序算法
冒泡排序
算法思想
冒泡排序要对一个列表多次重复遍历。它要比较相邻的两项,并且交换顺序排错的项。每对 列表实行一次遍历,就有一个最大项排在了正确的位置。大体上讲,列表的每一个数据项都会在 其相应的位置 “冒泡”。如果列表有 n 项,第一次遍历就要比较 n-1 对数据。需要注意,一旦列 表中最大(按照规定的原则定义大小)的数据是所比较的数据对中的一个,它就会沿着列表一直 后移,直到这次遍历结束。
动图演示
代码实现
# 冒泡排序
def bubbleSort(alist):
n = len(alist)
for i in range(n-1, 0, -1):
for j in range(0, i):
if alist[j] > alist[j+1]:
alist[j], alist[j+1] = alist[j+1], alist[j]
return alist
优化点
因为冒泡排序必须要在最终位置找到之前不断交换数据项,所以它经常被认为是最低效的排 序方法。这些 “浪费式” 的交换操作消耗了许多时间。但是,由于冒泡排序要遍历整个未排好的 部分,它可以做一些大多数排序方法做不到的事。尤其是如果在整个排序过程中没有交换,我们就可断定列表已经排好。因此可改良冒泡排序,使其在已知列表排好的情况下提前结束。这就是说,如果一个列表只需要几次遍历就可排好,冒泡排序就占有优势:它可以在发现列表已排好时立刻结束。
优化代码
# 冒泡排序
def bubbleSort(alist):
n = len(alist)
exchange = False
for i in range(n-1, 0, -1):
for j in range(0, i):
if alist[j] > alist[j+1]:
alist[j], alist[j+1] = alist[j+1], alist[j]
exchange = True
# 如果发现整个排序过程中没有交换,提前结束
if not exchange:
break
return alist
选择排序
算法思想
选择排序提高了冒泡排序的性能,它每遍历一次列表只交换一次数据,即进行一次遍历时找 到最大的项,完成遍历后,再把它换到正确的位置。和冒泡排序一样,第一次遍历后,最大的数 据项就已归位,第二次遍历使次大项归位。这个过程持续进行,一共需要 n-1 次遍历来排好 n 个数 据,因为最后一个数据必须在第 n-1 次遍历之后才能归位。
动图演示
代码实现
# 选择排序
def selectionSort(alist):
n = len(alist)
for i in range(n - 1):
# 寻找[i,n]区间里的最小值
min_index = i
for j in range(i+1, n):
if alist[j] < alist[min_index]:
min_index = j
alist[i], alist[min_index] = alist[min_index], alist[i]
return alist
插入排序
算法思想
插入排序的算法复杂度仍然是 ,但其工作原理稍有不同。它总是保持一个位置靠前的 已排好的子表,然后每一个新的数据项被 “插入” 到前边的子表里,排好的子表增加一项。我们认为只含有一个数据项的列表是已经排好的。每排后面一个数据(从 1 开始到 n-1),这 个的数据会和已排好子表中的数据比较。比较时,我们把之前已经排好的列表中比这个数据大的移到它的右边。当子表数据小于当前数据,或者当前数据已经和子表的所有数据比较了时,就可 以在此处插入当前数据项。
动图演示
代码实现
# 插入排序
def insertionSort(alist):
for i in range(1,len(alist)):
currentvalue=alist[i]
position=i
while alist[position-1]>currentvalue and position>0:
alist[position]=alist[position-1]
position=position-1
alist[position]=currentvalue
return alist
注意,这里在用 Python 实现的时候需要注意,第一次我采用的是下面的代码:
# 插入排序
def insertionSort(blist):
n = len(blist)
for i in range(1, n):
# 寻找a[i]合适的插入位置
temp = blist[i]
for j in range(i, 0, -1):
if (temp < blist[j-1]):
blist[j] = blist[j-1]
else:
break
blist[j-1] = temp
return blist
在测试性能的时候发现,当数列的逐渐变大的时候,运行时间并不是按照 的速度增长,后来分析发现:
for j in range(i, 0, -1):
这行代码在数列很大的时候,会不听的新建列表,这回损害性能,这是非算法思想因素的影响,但是需要注意一下。
希尔排序
算法思想
希尔排序有时又叫做 “缩小间隔排序”,它以插入排序为基础,将原来要排序的列表划分为一些子列表,再对每一个子列表执行插入排序,从而实现对插入排序性能的改进。划分子列的特定方法是希尔排序的关键。我们并不是将原始列表分成含有连续元素的子列,而是确定一个划分列表的增量 “i”,这个i更准确地说,是划分的间隔。然后把每间隔为i的所有元素选出来组成子列表,然后对每个子序列进行插入排序,最后当 i=1 时,对整体进行一次直接插入排序。
动图演示
代码实现
# 希尔排序
def shellSort(alist):
n = len(alist)
gap = n // 2
while gap > 0:
for i in range(gap):
gapInsetionSort(alist, i, gap)
gap = gap // 2
return alist
# # start子数列开始的起始位置, gap表示间隔
def gapInsetionSort(alist,startpos,gap):
#希尔排序的辅助函数
for i in range(startpos+gap,len(alist),gap):
position=i
currentvalue=alist[i]
while position>startpos and alist[position-gap]>currentvalue:
alist[position]=alist[position-gap]
position=position-gap
alist[position]=currentvalue
归并排序
算法思想
归并排序是一种递归算法,它持续地将一个列表分成两半。如果列表是空的或者 只有一个元素,那么根据定义,它就被排序好了(最基本的情况)。如果列表里的元素超过一个,我们就把列表拆分,然后分别对两个部分调用递归排序。一旦这两个部分被排序好了,然后就可以对这两部分数列进行归并了。归并是这样一个过程:把两个排序好了的列表结合在一起组合成一个单一的有序的新列表。有自顶向下(递归法)和自底向上的两种实现方法。
动图演示
自顶向下(递归法)方法实现
# 归并排序
def mergeSort(alist):
n = len(alist)
__mergeSort(alist, 0, n-1)
return alist
# 对arr[l...r]的范围进行排序
def __mergeSort(alist, start, end):
#当数列的大小比较小的时候,数列近乎有序的概率较大
if (end-start <= 15):
insertionSortHelp(alist, start, end)
return
if start >= end:
return
# 存在风险,start+end可能越界
mid = (start + end) // 2
# mid = start + (end - start) // 2
__mergeSort(alist, start, mid)
__mergeSort(alist, mid + 1, end)
#优化
if alist[mid] > alist[mid+1]:
merge(alist, start, mid, end)
# 合并有序数列alist[start....mid] 和 alist[mid+1...end],使之成为有序数列
def merge(alist, start, mid, end):
# 复制一份
blist = alist[start:end+1]
l = start
k = mid + 1
pos = start
while pos <= end:
if (l > mid):
alist[pos] = blist[k-start]
k += 1
elif (k > end):
alist[pos] = blist[l-start]
l += 1
elif blist[l-start] <= blist[k-start]:
alist[pos] = blist[l-start]
l += 1
else:
alist[pos] = blist[k-start]
k += 1
pos += 1
def insertionSortHelp(alist,l, r):
for i in range(l+1,r+1):
currentvalue=alist[i]
position=i
while alist[position-1]>currentvalue and position>l:
alist[position]=alist[position-1]
position=position-1
alist[position]=currentvalue
return alist
注意:这里进行小的优化,当数列的长度小于等于15的时候,我们一般认为数列此时基本有序,这时候采用直接插入排序非常快。
自底向上(非递归法)方法
# 自底向上的归并算法
def mergeBU(alist):
n = len(alist)
#表示归并的大小
size = 1
while size <= n:
for i in range(0, n-size, size+size):
merge(alist, i, i+size-1, min(i+size+size-1, n-1))
size += size
return alist
# 合并有序数列alist[start....mid] 和 alist[mid+1...end],使之成为有序数列
def merge(alist, start, mid, end):
# 复制一份
blist = alist[start:end+1]
l = start
k = mid + 1
pos = start
while pos <= end:
if (l > mid):
alist[pos] = blist[k-start]
k += 1
elif (k > end):
alist[pos] = blist[l-start]
l += 1
elif blist[l-start] <= blist[k-start]:
alist[pos] = blist[l-start]
l += 1
else:
alist[pos] = blist[k-start]
k += 1
pos += 1
快速排序
算法思想
快速排序由 C. A. R. Hoare 在1962年提出。它的基本思想是: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。
算法步骤
- 从数列中挑出一个元素,称为"基准"(pivot)。
- 重新排序数列,所有比基准值小的元素摆放在基准前面,所有比基准值大的元素摆在基准后面(相同的数可以到任何一边)。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。
- 递归地(recursively)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。
动图演示
代码实现
def __quickSort(alist, l, r):
#当数列的大小比较小的时候,数列近乎有序的概率较大
# if (r - l <= 15):
# insertionSortHelp(alist, l, r)
# return
if l >= r:
return
# p = partition(alist, l, r)
p = partitionQS(alist, l, r)
__quickSort(alist, l, p-1)
__quickSort(alist, p+1, r)
# 在alist[l...r]中寻找j,使得alist[l...j] <= alist[l], alist[j+1...r] >alist[l]
def partition(alist, l, r):
pos = randint(l, r)
alist[pos], alist[l] = alist[l], alist[pos]
v = alist[l]
# v = alist[l]
j = l
i = l + 1
while i <= r:
if alist[i] <= v:
alist[j+1],alist[i] = alist[i],alist[j+1]
j += 1
i += 1
alist[l], alist[j] = alist[j], alist[l]
return j
快速排序一些可以优化的点
- 当数列近乎有序的时,由于每次选取的都是第一个数,所以造成数列分割的极其不等,此时快排蜕化成 的算法, 此时只要随机选取基准点即可
- 当数列中包含大量的重复元素的时候,这一版的代码也会造成"分割不等“的问题,此时需要将重复元素均匀的分散的自数列旁
- 使用三路快排
总结
一图解释所有
点击可查看大图:
关于时间复杂度
- 平方阶 (O(n2)) 排序 各类简单排序:直接插入、直接选择和冒泡排序。
- 线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序;
- O(n1+§)) 排序,§ 是介于 0 和 1 之间的常数。 希尔排序
- 线性阶 (O(n)) 排序 基数排序,此外还有桶、箱排序。
关于稳定性
- 稳定的排序算法:冒泡排序、插入排序、归并排序和基数排序。
- 不是稳定的排序算法:选择排序、快速排序、希尔排序、堆排序。
大厂面试真题
- 【途虎养车2021秋招Java笔试试卷A】 合并两个有序数组
- 【贝壳找房2021届校招移动端类试卷】 赛季总排名
- 【【2021】小米秋招软】 选择排序
- 【2021届阅文测试开发方向笔试卷】 合并两个排序的链表
- 【2021届阅文测试开发方向笔试卷】 挑选top10元素
- 【2021届阅文大数据方向笔试卷】 快速排序
- 【2021届阅文大数据方向笔试卷】 冒泡排序
- 【2021届阅文PHP方向笔试卷】 实现快速排序
- 【2021届阅文Java方向笔试卷】 数据多项排序
- 【2021届阅文Java方向笔试卷】 对MAP进行排序
- 【2021届阅文Java方向笔试卷】 计算参数的hash值
- 【2021届阅文C方向笔试卷】 对struct进行排序
- 【金山办公2020校招计算机视觉算法工程师笔试题(二)】 排序算法效率对比
- 【金山办公2020校招自然语言处理NLP工程师笔试题(一)】 排列顺序对算法的性能
- 【格力2020秋招后端岗笔试题】 冒泡排序原理
- 【声网2020校招-通用C++笔试题】 根据程序判断排序算法
- 【乐信2020校园招聘数据笔试题】 排序算法时间复杂度
- 【顺丰科技2019秋招安卓开发工程师笔试客观题合集】 排序算法时间复杂度
- 【顺丰科技2019秋招安卓开发工程师笔试客观题合集】 排序算法对比
- 【顺丰科技2019秋招前端开发工程师客观题合集】 快速排序原理
- 【顺丰科技2019秋招前端开发工程师客观题合集】 排序算法原理
- 【顺丰科技2019秋招人工智能与机器学习工程师笔试客观题合集】 排序算法时间复杂度
- 【小米2019秋招运维工程师笔试题(B)】 基数排序
- 【小米2019秋招系统软件开发笔试题(A)】 排序算法时间复杂度
- 【小米2019秋招系统软件开发笔试题(A)】 快速排序
- 【小米2019秋招算法笔试题(B)】 厨艺大赛奖金
- 【小米2019秋招算法笔试题(A)】 排序算法时间复杂度
- 【小米2019秋招安卓开发笔试题(A)】 选择排序
- 【小米2019秋招安全开发笔试题(A)】 比赛名次
- 【小米2019秋招前端开发笔试题(B)】 排序算法稳定性
- 【小米2019秋招前端开发笔试题(B)】 排序算法稳定性
- 【小米2019秋招前端开发笔试题(B)】 选择排序
- 【寒武纪2019秋招软件】 排序算法稳定性
- 【寒武纪2019秋招软件】 冒泡排序
- 【唯品会2019秋招算法类】 排序算法原理
- 【唯品会2019秋招算法类】 排序算法实现
- 【哔哩哔哩2019秋招技术岗(前端、运维、后端、移动端)第三套笔试题】 排序算法原理
- 【哔哩哔哩2019秋招技术岗(前端、运维、后端、移动端)第三套笔试题】 归并排序
- 【哔哩哔哩2019秋招技术岗(前端、运维、后端、移动端)第一套笔试题】 排序算法时间复杂度
- 【哔哩哔哩2019秋招技术岗(前端、运维、后端、移动端)第一套笔试题】 冒泡排序
- 【vivo2019校招图像算法工程师笔试题】 快速排序
- 【vivo2019校招图像算法工程师笔试题】 快速排序
- 【360公司-2019校招笔试-测试开发工程师客观题合集】 插入排序
- 【360公司-2019校招笔试-测试开发工程师客观题合集】 归并排序
- 【360公司-2019校招笔试-机器学习工程师客观题合集】 排序算法原理
- 【360公司-2019校招笔试-机器学习工程师客观题合集】 选择排序
- 【360公司-2019校招笔试-机器学习工程师客观题合集】 排序算法时间复杂度
- 【360公司-2019校招笔试-机器学习工程师客观题合集】 归并排序
- 【360公司-2019校招笔试-机器学习工程师客观题合集】 快速排序
- 【360公司-2019校招笔试-机器学习工程师客观题合集】 插入排序
- 【360公司-2019校招笔试-机器学习工程师客观题合集】 归并排序
- 【2019校园招聘算法工程师笔试题】 排序算法时间复杂度
- 【2019校园招聘前端开发工程师笔试题】 冒泡排序
- 【爱奇艺2018秋季校招算法工程师(第三场)】 冒泡排序
- 【爱奇艺2018秋季校招iOS工程师(第三场)】 排序算法时间复杂度
- 【爱奇艺2018秋季校招Android工程师(第一场)】 选择排序
- 【搜狐畅游2018游戏开】 排序算法实现
- 【搜狐畅游2018游戏开】 冒泡排序
- 【帆软软件2018届秋招笔试题-研发岗位】 排序算法时间复杂度
- 【唯品会2018校招机器学习、算法笔试题(B卷)】 排序算法实现
- 【唯品会2018校招数据结构笔试题(A卷)】 快速排序
- 【唯品会2018校招数据挖掘、机器学习笔试题(A卷)】 排序算法实现
- 【唯品会2018校招前端、java、运维、测试、数据库笔试题(B卷)】 排序算法原理
- 【唯品会2018校招前端、java、运维、测试、数据库笔试题(B卷)】 快速排序
- 【vivo2018秋招软件开发笔试题】 冒泡排序
- 【360公司-2018春招笔试-测试开发工程师客观题合集】 选择排序
- 【360公司-2018春招笔试-测试开发工程师客观题合集】 排序算法原理
- 【360公司-2018春招笔试-Java开发工程师客观题合集】 排序算法原理
- 【360公司-2018春招笔试-Java开发工程师客观题合集】 冒泡排序
- 【2018迅雷校园招聘AI工程师在线笔试A卷】 排序算法时间复杂度
- 【爱奇艺2017秋招c++开发工程师笔试卷】 排序算法稳定性
- 【搜狗2017校招C++工程师笔试试卷】 排序算法稳定性
- 【德邦2017秋招java工程师笔试试卷】 选择排序
- 【字节跳动2017前端工程师实习生笔试题】 排序算法稳定性
- 【同程2017校招前端工程师笔试试卷】 归并排序
- 【凹凸科技2017秋招java工程师笔试卷】 堆排序