数据结构与算法之排序算法

最新推荐文章于 2022-09-05 14:40:43 发布

卖山楂啦prss

最新推荐文章于 2022-09-05 14:40:43 发布

阅读量236

点赞数

分类专栏： # 数据分析之数据结构

本文链接：https://blog.csdn.net/qq_42374697/article/details/113831045

版权

数据分析之数据结构专栏收录该内容

9 篇文章 0 订阅

订阅专栏

学习笔记

排序算法思维导图，来自：十大经典排序算法
在这里插入图片描述

文章目录

常见排序算法效率比较

排序算法（英语：Sorting algorithm）是一种能将一串数据依照特定顺序进行排列的一种算法。

排序算法的稳定性

稳定性：稳定排序算法会让原本有相等键值的纪录维持相对次序。

也就是如果一个排序算法是稳定的，当有两个相等键值的纪录R和S，且在原本的列表中R出现在S之前，在排序过的列表中R也将会是在S之前。

当相等的元素是无法分辨的，比如像是整数，稳定性并不是一个问题。然而，假设以下的数对将要以他们的第一个数字来排序。

(4, 1)  (3, 1)  (3, 7)（5, 6）

在这个状况下，有可能产生两种不同的结果，一个是让相等键值的纪录维持相对的次序，而另外一个则没有：

(3, 1)  (3, 7)  (4, 1)  (5, 6)  （维持次序）
(3, 7)  (3, 1)  (4, 1)  (5, 6)  （次序被改变）

不稳定排序算法可能会在相等的键值中改变纪录的相对次序，但是稳定排序算法从来不会如此。

其他基本术语说明：

引用：十大经典排序算法
在这里插入图片描述

1 冒泡排序

冒泡排序是一种简单的排序算法。

它重复地遍历要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。

遍历数列的工作是重复的进行直到没有在需要的交换，也就是说该数列已经排序完成，这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

冒泡排序算法的运作如下：

比较相邻的元素。如果第一个比第二个大（升序），就交换它们两个。
对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。
针对所有的元素重复以上的步骤，除了最后一个。
持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。

冒泡排序的分析

在这里插入图片描述
冒泡排序的动图演示

在这里插入图片描述

时间复杂度

最优时间复杂度： $O (n)$ （表示遍历一次发现没有任何可以交换的元素，排序结束。）
最坏时间复杂度： $O(n^2)$
稳定性：稳定

冒泡排序的实现

def bubble_sort(alist):
    for j in range(len(alist)-1,0,-1):
        # j表示每次遍历需要比较的次数，是逐渐减小的
        for i in range(j):
            if alist[i] > alist[i+1]:
                alist[i], alist[i+1] = alist[i+1], alist[i]

li = [54,26,93,17,77,31,44,55,20]
print(li)
bubble_sort(li)
print(li)
'''
[54, 26, 93, 17, 77, 31, 44, 55, 20]
[17, 20, 26, 31, 44, 54, 55, 77, 93]
'''

冒泡复杂度的优化

# 如果没有交换过就直接退出
# 优化冒泡算法
def bubble_sort(alist):
    """冒泡排序"""
    for j in range(len(alist)-1): 
        count = 0
        for i in range(len(alist)-j-1):
            if alist[i] > alist[i+1]:
                alist[i], alist[i+1] = alist[i+1], alist[i]
                count += 1
        if 0 == count:
            return alist

2 选择排序

选择排序（Selection sort）的工作原理是首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。

选择排序的主要优点与数据移动有关。如果某个元素位于正确的最终位置上，则它不会被移动。

选择排序每次交换一对元素，它们当中至少有一个将被移到其最终位置上，因此对n个元素的表进行排序总共进行至多n-1次交换。在所有的完全依靠交换去移动元素的排序方法中，选择排序属于非常好的一种。

选择排序分析

在这里插入图片描述
选择排序动图演示

红色表示当前最小值，黄色表示已排序序列，蓝色表示当前位置。

在这里插入图片描述

时间复杂度

最优时间复杂度： $O(n^2)$
最坏时间复杂度： $O(n^2)$
稳定性：不稳定（考虑升序每次选择最大的情况）

选择排序的实现

def selection_sort(alist):
    n = len(alist)
    # 需要进行n-1次选择操作
    for i in range(n-1):
        # 记录最小位置
        min_index = i
        # 从i+1位置到末尾选择出最小数据
        for j in range(i+1, n):
            if alist[j] < alist[min_index]:
                min_index = j
        # 如果选择出的数据不在正确位置，进行交换
        if min_index != i:
            alist[i], alist[min_index] = alist[min_index], alist[i]

alist = [54,226,93,17,77,31,44,55,20]
print(alist)
selection_sort(alist)
print(alist)

'''
[54, 226, 93, 17, 77, 31, 44, 55, 20]
[17, 20, 31, 44, 54, 55, 77, 93, 226]
'''

3 插入排序

插入排序（Insertion Sort）是一种简单直观的排序算法。

它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。

插入排序在实现上，在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间。

插入排序分析

在这里插入图片描述
图片来源于捎的饭捎的饭

在这里插入图片描述

例如现在拿到一副牌

Input: {5, 3, 8, 4, 2, 6, 1, 7}

首先拿起第一张牌, 手上有 {5}
拿起第二张牌 3，把 3 与有序{5}从后往前比较大小，insert 到手上的牌 {5}，得到 {3 ，5}
拿起第三张牌 8，把 8 与有序{3，5}从后往前比较大小，此处 insert 最后, 得到 {3 ，5，8}
拿起第四张牌 4，把 4 与有序{3，5，8}从后往前比较大小，此处 insert 到 3，5 之间，得到 {3，4，5，8}

以此类推。

插入排序动图演示

在这里插入图片描述

时间复杂度

最优时间复杂度： $O (n)$ （升序排列，序列已经处于升序状态）
最坏时间复杂度： $O(n^2)$
稳定性：稳定

插入排序的实现

（1）时间复杂度为 $O(n^2)$

def insert_sort(alist):
	for i in range(1,len(alist)):
		for j in range(i,0,-1):
			if alist[j] < alist[j-1]:
				alist[j], alist[j-1] = alist[j-1], alist[j]
	return alist

alist = [54,226,93,17,77,31,44,55,20]
print(alist)
insert_sort(alist)
print(alist)

'''
[54, 226, 93, 17, 77, 31, 44, 55, 20]
[17, 20, 31, 44, 54, 55, 77, 93, 226]
'''

（2）时间复杂度为 $O (n)$

def insert_sort(alist):
    #插入排序
    for i in range(1, len(alist)):
        while i >0:
            if alist[i] < alist[i-1]:
                alist[i], alist[i-1] = alist[i-1], alist[i]
                i -= 1
            else:
                break
    return alist

alist = [54,226,93,17,77,31,44,55,20]
print(alist)
insert_sort(alist)
print(alist)

'''
[54, 226, 93, 17, 77, 31, 44, 55, 20]
[17, 20, 31, 44, 54, 55, 77, 93, 226]
'''

4 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。

希尔排序的基本思想是：

把记录按步长 gap 分组，对每组记录采用直接插入排序方法进行排序。
随着步长逐渐减小，所分成的组包含的记录越来越多，当步长的值减小到 1 时，整个数据合成为一组，构成一组有序记录，则完成排序。

希尔排序的分析

在这里插入图片描述

（1）
在这里插入图片描述
（2）

希尔排序动图演示
在这里插入图片描述

在这里插入图片描述
图片来自：漫画：什么是希尔排序？

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： $O(n^2)$
稳定性：不稳定

希尔排序的实现

def shell_sort(alist):
    n = len(alist)
    # 初始步长
    gap = n // 2
    # 当 gap = 1 时为简单插入排序
    while gap >=1:
        # 按步长进行插入排序
        for i in range(gap, n):
            # j = gap、gap+1、gap+2、...、n-1
            j = i  
            # 插入排序
            while j>=gap and alist[j-gap] > alist[j]:
                alist[j-gap], alist[j] = alist[j], alist[j-gap]
                j -= gap
        # 得到新的步长
        gap = gap // 2

alist = [54,26,93,17,77,31,44,55,20]
print(alist)
shell_sort(alist)
print(alist)

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

5 快速排序

快速排序，又称划分交换排序，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：

从数列中挑出一个元素，称为"基准"（pivot），
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。
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。

快速排序的分析

在这里插入图片描述
图片来自：https://cuijiahua.com/blog/2017/12/algorithm_4.html

快速排序动图演示

把第一个元素定为基准 key=6
两个指针，分别为 low ，初始指向头 6 ；high ，初始指向尾 1
首先，比较 high 指向的元素和 key 大小，如果 high 指向的元素大，指针向右移动，如果 high 指向的元素小，将其元素赋给 low ，low 向左一步。这里 1<6 ，把 1 赋给 low
只要赋值一次，就交换指针移动权。
接下来比较 low 指向的元素和 key 大小，如果 low 指向的元素小，指针向左移动，如果 low 指向的元素大，将其元素赋给 high ，high 向右一步。这里 3<6 ，low 向左一步，7>6，把 7 赋给 high ，high 向右一步
当两个指针重合，即为key的位置
此时key都小于右边，都大于左边

时间复杂度

最优时间复杂度： $O (n l o g n)$
最坏时间复杂度： $O(n^2)$
稳定性：不稳定

快速排序的实现

def quick_sort(alist, start, end):
    """快速排序"""

    # 递归的退出条件
    if start >= end:
        return

    # 设定起始元素为要寻找位置的基准元素
    mid = alist[start]

    # low为序列左边的由左向右移动的游标
    low = start

    # high为序列右边的由右向左移动的游标
    high = end

    while low < high:
        # 如果low与high未重合，high指向的元素不比基准元素小，则high向左移动
        while low < high and alist[high] >= mid:
            high -= 1
        # 将high指向的元素放到low的位置上
        alist[low] = alist[high]

        # 如果low与high未重合，low指向的元素比基准元素小，则low向右移动
        while low < high and alist[low] < mid:
            low += 1
        # 将low指向的元素放到high的位置上
        alist[high] = alist[low]

    # 退出循环后，low与high重合，此时所指位置为基准元素的正确位置
    # 将基准元素放到该位置
    alist[low] = mid

    # 对基准元素左边的子序列进行快速排序
    quick_sort(alist, start, low-1)

    # 对基准元素右边的子序列进行快速排序
    quick_sort(alist, low+1, end)


alist = [54,26,93,17,77,31,44,55,20]
print(alist)
quick_sort(alist,0,len(alist)-1)
print(alist)

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

6 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。

归并排序的分析

引用图片：归并排序
在这里插入图片描述
引用图片：图解排序算法(四)之归并排序

治的详细过程

在这里插入图片描述

归并排序动图演示
（1）
在这里插入图片描述
（2）

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

快速排序的实现

递归操作

def merge_sort(alist):
    if len(alist) <= 1:
        return alist
    # 二分分解
    num = len(alist)//2
    # left（right）采用归并排序后形成的有序的新的列表
    left = merge_sort(alist[:num])
    right = merge_sort(alist[num:])
    # 合并
    # 将两个有序的子序列合并成一个整体
    return merge(left,right)

def merge(left, right):
    '''合并操作，将两个有序数组left[]和right[]合并成一个大的有序数组'''
    #left与right的下标指针
    l, r = 0, 0
    result = []
    while l<len(left) and r<len(right):
        if left[l] < right[r]:
            result.append(left[l])
            l += 1
        else:
            result.append(right[r])
            r += 1
    result += left[l:]
    result += right[r:]
    return result

alist = [54,26,93,17,77,31,44,55,20]
print(alist)
sorted_alist = merge_sort(alist)
print(sorted_alist)

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

7 堆排序

堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序

堆是具有以下性质的完全二叉树：

每个结点的值都大于或等于其左右孩子结点的值，称为大顶堆；
每个结点的值都小于或等于其左右孩子结点的值，称为小顶堆。

来自：图解排序算法(三)之堆排序
在这里插入图片描述
堆排序的基本思想是：

（1）将带排序的序列构造成一个大顶堆，根据大顶堆的性质，当前堆的根节点（堆顶）就是序列中最大的元素；
（2）将堆顶元素和最后一个元素交换，此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆，这样会得到n个元素的次小值，然后将剩下的节点重新构造成一个大顶堆；
（3）重复步骤（2），如此反复，从第一次构建大顶堆开始，每一次构建，我们都能获得一个序列的最大值，然后把它放到大顶堆的尾部。
（4）最后，就得到一个有序的序列了。

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：不稳定

堆排序动图演示

（1）

在这里插入图片描述

（2）
在这里插入图片描述

8 计数排序

基本步骤

1.找出待排序的数组中最大和最小的元素；
2.统计数组中每个值为i的元素出现的次数,存入数组C的第i项；
3.对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加）；
4.反向填充目标数组:将每个元素i放在新数组的第C(i)项,每放一个元素就将C(i)减去1.

在这里插入图片描述

参考代码：计数排序

def count_sort1(array):
    length = len(array)
    res = [None] * length
    # 首次循环遍历, 每个列表的数都统计
    for index in range(length):
        # p 表示 a[i] 大于列表其他数 的次数
        p = 0
        # q 表示 等于 a[i] 的次数
        q = 0
        # 二次循环遍历, 列表中的每个数都和首次循环的数比较
        for two_index in range(length):
            if array[index] > array[two_index]:
                p += 1
            elif array[index] == array[two_index]:
                q += 1
        for k in range(p, p + q):  # q表示相等的次数,就表示, 从p开始索引后, 连续q次,都是同样的数
            res[k] = array[index]
    return res

dest = [5, 2, 7, 4, 8, 1, 6, 3]
result = count_sort1(dest)
print('最后的结果是:', result)

'''
最后的结果是: [1, 2, 3, 4, 5, 6, 7, 8]
'''