冒泡排序、插入排序、选择排序、快速排序、归并排序和堆排序的简要原理、时间复杂度、空间复杂度、优势和劣势:
排序算法 | 原理 | 时间复杂度 | 空间复杂度 | 优势 | 劣势 |
---|---|---|---|---|---|
冒泡排序 | 通过比较相邻元素,将较大元素“冒泡”到右侧 | 最好:O(n) 平均/最坏:O(n^2) | O(1) | 简单实现 | 低效,对大数据集不适用 |
插入排序 | 将元素插入已排序部分,保持有序性 | 最好:O(n) 平均/最坏:O(n^2) | O(1) | 适用于部分已排序数据集 | 对大数据集不够高效 |
选择排序 | 选取最小元素放入已排序部分的末尾 | 最好/平均/最坏:O(n^2) | O(1) | 实现简单,不受输入分布影响 | 性能相对较差 |
快速排序 | 选取基准元素,分治递归和合并 | 平均/最坏:O(n log n) 最好:O(n) | 最坏:O(n) 平均:O(log n) | 高效,适用于大数据集和小数据集 | 最坏情况下性能退化,需要额外空间 |
归并排序 | 分治递归和合并 | 最好/平均/最坏:O(n log n) | O(n) | 稳定的高效排序 | 需要额外空间 |
堆排序 | 构建最大堆,反复取出最大元素 | 平均/最坏:O(n log n) | O(1) | 原地排序,适用于大数据集 | 实现相对复杂,不稳定,不适用于小数据集 |
一、冒泡排序(Bubble Sort)
1、简答
冒泡排序是一种简单的排序算法,它通过不断交换相邻元素的位置来将元素按照从小到大(或从大到小)的顺序排列。
时间复杂度为O(n^2),空间复杂度为O(1)。
冒泡排序是一种简单但低效的排序算法,在实际应用中并不是高效的排序算法,特别是对于大型数据集来说。
2、python代码
import random
# 生成随机数列表
num_list = [random.randint(1, 100) for _ in range(10)]
print("原始列表:", num_list)
# 冒泡排序
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
bubble_sort(num_list)
print("排序后:", num_list)
输出
原始列表: [92, 79, 45, 60, 3, 41, 71, 45, 14, 61]
排序后: [3, 14, 41, 45, 45, 60, 61, 71, 79, 92]
二、选择排序(Selection Sort)
1、简答
选择排序是一种简单的排序算法,它通过不断选择未排序序列中最小(或最大)的元素来将元素按照从小到大(或从大到小)的顺序排列。
时间复杂度为O(n^2),空间复杂度为O(1)。
尽管选择排序不是最快的排序算法,但它的实现简单,在小型数据集上可能具有一定的优势,但效率较低,不适合大型数据集。
2、python代码
import random
# 生成随机数列表
num_list = [random.randint(1, 100) for _ in range(10)]
print("原始列表:", num_list)
# 选择排序
def selection_sort(arr):
n = len(arr)
for i in range(n):
min_index = i
for j in range(i+1, n):
if arr[j] < arr[min_index]:
min_index = j
arr[i], arr[min_index] = arr[min_index], arr[i]
selection_sort(num_list)
print("排序后:", num_list)
输出:
原始列表: [34, 5, 11, 73, 31, 18, 98, 33, 47, 22]
排序后: [5, 11, 18, 22, 31, 33, 34, 47, 73, 98]
三、插入排序(Insertion Sort)
1、简答
插入排序是一种简单的排序算法,它通过不断将未排序元素插入已排序序列中来将元素按照从小到大(或从大到小)的顺序排列。
插入排序的主要思想是将数组分为已排序和未排序两部分。初始时,将第一个元素视为已排序,然后从未排序部分逐个选择元素,插入到已排序部分的适当位置,以保持已排序部分始终有序。
时间复杂度为O(n^2),空间复杂度为O(1)。
插入排序在处理小型数据集时可能比一些更复杂的算法更有效;具有稳定性;在某些情况下,插入排序在部分已排序的数据集上表现出色。
2、python代码
import random
# 生成随机数列表
num_list = [random.randint(1, 100) for _ in range(10)]
print("原始列表:", num_list)
# 插入排序
def insertion_sort(arr):
n = len(arr)
for i in range(1, n):
key = arr[i]
j = i - 1
while j >= 0 and key < arr[j]:
arr[j + 1] = arr[j]
j -= 1
arr[j + 1] = key
insertion_sort(num_list)
print("排序后:", num_list)
输出:
原始列表: [22, 5, 25, 46, 41, 37, 66, 51, 22, 88]
排序后: [5, 22, 22, 25, 37, 41, 46, 51, 66, 88]
四、快速排序(Quick Sort)
1、简答
快速排序是一种常用的排序算法,它通过选取一个基准元素将数组分为两个子数组,然后递归对两个子数组进行排序来将元素按照从小到大(或从大到小)的顺序排列。
快速排序是一种高效的分治法排序算法,其主要思想是选择一个基准元素,将数组分成小于基准的左子数组和大于基准的右子数组,然后递归地对左右子数组进行排序,最终将它们合并起来。
时间复杂度为O(n log n)(平均情况,在最坏情况下可能达到O(n^2)),空间复杂度为O(log n)。
快速排序通常在实践中表现出色,特别是在处理大型数据集时。它是许多排序算法中速度最快的之一。
2、python代码
import random
# 生成随机数列表
num_list = [random.randint(1, 100) for _ in range(10)]
print("原始列表:", num_list)
# 快速排序
def quick_sort(arr):
if len(arr) <= 1:
return arr
pivot = arr[len(arr) // 2] # 选择中间元素作为基准值
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quick_sort(left) + middle + quick_sort(right)
sorted_list = quick_sort(num_list)
print("排序后:", sorted_list)
输出:
原始列表: [96, 76, 6, 10, 21, 74, 46, 3, 47, 31]
排序后: [3, 6, 10, 21, 31, 46, 47, 74, 76, 96]
五、归并排序(Merge Sort)
1、简答
归并排序是一种稳定的分治法排序算法,它通过将数组分为两个子数组,递归对两个子数组进行排序,然后将两个有序子数组归并为一个有序数组来将元素按照从小到大(或从大到小)的顺序排列。
时间复杂度为O(n log n),空间复杂度为O(n)。
归并排序的优点之一是它不受输入数据分布的影响,始终保持O(n log n)的时间复杂度,但其空间复杂度较高,需要额外的存储空间来保存临时数组。在处理大型数据集或要求稳定排序的情况下,归并排序是一个很好的选择。
2、python代码
import random
# 生成随机数列表
num_list = [random.randint(1, 100) for _ in range(10)]
print("原始列表:", num_list)
# 归并排序
def merge_sort(arr):
if len(arr) <= 1:
return arr
mid = len(arr) // 2
left_half = arr[:mid]
right_half = arr[mid:]
left_half = merge_sort(left_half)
right_half = merge_sort(right_half)
return merge(left_half, right_half)
def merge(left, right):
result = []
left_index, right_index = 0, 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
sorted_list = merge_sort(num_list)
print("排序后:", sorted_list)
输出:
原始列表: [24, 92, 90, 13, 78, 78, 100, 48, 96, 95]
排序后: [13, 24, 48, 78, 78, 90, 92, 95, 96, 100]
六、堆排序(Heap Sort)
1、简答
堆排序是一种常用的基于堆数据结构的排序算法,它通过将数组看作一个完全二叉树来进行排序,其主要思想是将待排序序列构建成一个最大堆,然后逐步将堆顶元素(最大元素)取出与最后一个元素交换并调整堆结构来将元素按照从小到大(或从大到小)的顺序排列。
时间复杂度为O(n log n),空间复杂度为O(1)。
与归并排序和快速排序不同,堆排序在实际实现中不需要额外的存储空间,因此它具有原地排序的特点。堆排序适用于大型数据集的情况,但相对于其他排序算法,它的实现可能稍显复杂。
堆排序不是一个稳定的排序算法。在排序过程中,由于涉及到元素的交换,可能会导致相等元素的相对顺序发生变化,从而破坏稳定性。稳定性意味着在排序过程中,相等元素的相对顺序保持不变。
2、python代码
import random
# 生成随机数列表
num_list = [random.randint(1, 100) for _ in range(10)]
print("原始列表:", num_list)
# 堆排序
def heap_sort(arr):
n = len(arr)
# 构建最大堆
for i in range(n // 2 - 1, -1, -1):
heapify(arr, n, i)
# 逐步取出最大元素并重新调整堆
for i in range(n - 1, 0, -1):
arr[i], arr[0] = arr[0], arr[i]
heapify(arr, i, 0)
def heapify(arr, n, i):
largest = i
left = 2 * i + 1
right = 2 * i + 2
if left < n and arr[left] > arr[largest]:
largest = left
if right < n and arr[right] > arr[largest]:
largest = right
if largest != i:
arr[i], arr[largest] = arr[largest], arr[i]
heapify(arr, n, largest)
heap_sort(num_list)
print("排序后:", num_list)
输出:
原始列表: [60, 34, 34, 74, 70, 32, 91, 82, 81, 42]
排序后: [32, 34, 34, 42, 60, 70, 74, 81, 82, 91]