数据结构与算法----归并排序与快速排序（Python版）

一、归并排序 Merge Sort

❖ 下面我们来看看 分治策略 在排序中的应用

❖ 归并排序是递归算法，思路是将数据表持 续分裂为两半，对两半分别进行归并排序

递归的 基本结束条件 是：数据表仅有 1 个数据项 ，自然是排好序的；

缩小规模 ：将数据表分裂为相等的两半，规模减 为原来的二分之一；

调用自身 ：将两半分别调用自身排序，然后将分 别排好序的两半进行归并，得到排好序的数据表

源码：

def mergeSort(alist):
    if len(alist) > 1:
        mid = len(alist)//2
        lefthalf = alist[:mid]
        righthalf = alist[mid:]

        mergeSort(lefthalf) #左排序
        mergeSort(righthalf) #右排序

        i=j=k=0
        #拉链式交错把左右两边从小到大归并到结果列表中
        while i <len(lefthalf) and j <len(righthalf):
            if lefthalf[i] < righthalf[j]:
                alist[k] = lefthalf[i]
                i = i+1
            else:
                alist[k] = righthalf[j]
                j = j+1
            k = k+1
        #归并左半部分剩余的项
        while len(lefthalf) > i:
            alist[k] = lefthalf[i]
            i = i+1
            k = k+1
        #归并右半部分剩余项
        while len(righthalf) > j:
            alist[k] = righthalf[j]
            j = j+1
            k = k+1
    return alist

testlist =  [1,2,6,4,8,5,7,3]
print(mergeSort(testlist))

#归并排序优化

def merge_sort(alist):
    if len(alist) > 1:
        mid = len(alist)//2
        left_half = alist[:mid]
        right_half = alist[mid:]

        left_half = merge_sort(left_half)
        right_half = merge_sort(right_half)

        merge_list = []
        while left_half and right_half:
            if left_half[0] <= right_half[0]:
                merge_list.append(left_half.pop(0))
            else:
                merge_list.append(right_half.pop(0))
        
        merge_list.extend(left_half if left_half else right_half)
        return merge_list
    else:
        return alist
    

testlist =  [1,2,6,4,8,5,7,3]
print(merge_sort(testlist))

 

归并排序：算法分析

❖ 将归并排序分为两个过程来分析： 分裂 和 归并

❖ 分裂的过程，借鉴二分查找中的分析结果 ，是对数复杂度，时间复杂度为 O(log n)

❖ 归并的过程，相对于分裂的每个部分，其 所有数据项都会被比较和放置一次，所以 是线性复杂度，其时间复杂度是 O(n)

综合考虑，每次分裂的部分都进行一次 O(n) 的数

据项归并，总的时间复杂度是O(nlog n)

 

❖ 最后，我们还是注意到两个切片操作

为了时间复杂度分析精确起见， 可以通过 取消切片 操作，改为传递两个分裂部分 的起始点和终止点，也是没问题的， 只是算法可读性稍微牺牲一点点。

❖ 我们注意到归并排序算法使用了 额外 1 倍 的存储空间用于归并

❖ 这个特性在对特大数据集进行排序的时候 要考虑进去

 

 

二、快速排序算法及分析

❖ 快速排序的思路是依据一个 “ 中值 ” 数据 项来把数据表分为 两半 ：小于中值的一半 和大于中值的一半，然后每部分分别进行 快速排序（递归）

如果希望这两半拥有相等数量的数据项，则应该 找到数据表的“中位数” 但找中位数需要计算开销！要想没有开销，只能 随意找一个数来充当“中值” 比如，第 1 个数。

❖ 快速排序的递归算法 “ 递归三要素 ” 如下

❖ 基本结束条件 ：数据表仅有 1 个数据项， 自然是排好序的

❖ 缩小规模 ：根据 “ 中值 ” ，将数据表分为 两半，最好情况是相等规模的两半

❖ 调用自身 ：将两半分别调用自身进行排序 （排序基本操作在分裂过程中）

❖ 分裂数据表的目标：找到 “ 中值 ” 的位置

❖ 分裂数据表的手段 设置左右标（ left/rightmark ）

左标向右移动，右标向左移动

• 左标一直向右移动，碰到比中值大的就停止

• 右标一直向左移动，碰到比中值小的就停止

• 然后把左右标所指的数据项 交换

继续移动，直到左标移到右标的右侧，停止移动 这时右标所指位置就是“中值”应处的位置 将中值和这个位置交换 分裂完成，左半部比中值小，右半部比中值大

 

源码为：

 

快速排序：算法分析

❖ 快速排序过程分为两部分： 分裂 和 移动

如果分裂 总能 把数据表分为 相等 的 两部分 ，那么 就是 O(log n) 的复杂度；

而移动需要将每项都与中值进行比对，还是 O(n)

❖ 综合起来就是 O(nlog n) ；

❖ 而且，算法运行过程中不需要额外的存储 空间。

❖ 但是，如果不那么幸运的话，中值所在的 分裂点过于偏离中部，造成左右两部分数 量不平衡

❖ 极端情况，有一部分始终没有数据 ，这样 时间复杂度就退化到 O(n 2 )

还要加上递归调用的开销（比冒泡排序还糟糕）

❖ 可以适当改进下 中值 的选取方法，让中值 更具有代表性

比如“三点取样”，从数据表的头、尾、中间选 出中值 会产生额外计算开销，仍然不能排除极端情况