数据结构与算法-排序（2）_def sift(li,low,high):-CSDN博客

本文链接：https://blog.csdn.net/qq_54315092/article/details/126079388

1.快速排序（原地排序）

思路：取一个元素p（第一个元素），使p归位；列表被p分为两部分，左边都比p小，右边都比p大；递归完成排序。

关键代码：归位的实现。

def partition(li,left,right):
    tmp=li[left]
    while left<right:#列表中至少两个值
        while left<right and li[right]>=tmp:#一旦left和right重合，就退出
            right-=1
        li[left]=li[right]#把右边比第一个值小的数放到左边空位
        while left<right and li[left]<=tmp:
            left+=1
        li[right]=li[left]#把左边比第一个值大的数放到右边空位
    li[left]=tmp
    return left

def quick_sort(li,left,right):
    if left<right:#至少两个元素
        mid=partition(li,left,right)
        quick_sort(li,left,mid-1)
        quick_sort(li,mid+1,right)

时间复杂度：O(nlogn)

快速排序的问题：递归：递归最大深度；最坏情况：时间复杂度O(n^2)

修改最大深度代码：

import sys
sys.setrecurtionlimit(10000)

2.推排序（原地排序）

·堆：一种特殊的完全二叉树结构

·大根堆：一个完全二叉树，满足任一节点都比其他孩子节点大，根节点为最大元素

·小根堆：一个完全二叉树，满足任一节点都比其他孩子节点小，根节点为最小元素

·堆的向下调整：假设节点的左右子树都是堆，但本身不是堆，通过向下调整根节点使其变成堆。

·堆排序过程：

（1）建立堆；（农村包围城市，从最下面开始调整，直到整个堆完成）

（2）得到堆顶元素，为最大元素；

（3）去掉堆顶，将堆最后一个元素放到堆顶，此时可通过一次调整重新使堆有序；

（4）堆顶元素为第二大元素；

（5）重复步骤（3），直到堆变空。

关键代码：向下调整和出数

向下调整代码：

def sift(li,low,high):
    i=low#i开始指向根节点
    j=2*i+1#j开始是左孩子
    tmp=li[i]
    while j<=high:#只要j位置有效
        if j+1<=high and li[j+1]>li[j]:#如果右孩子有并且比较大
            j=j+1
        if li[j]>tmp:
            li[i]=li[j]
            i=j#往下看一层
            j=2*i+1
        else:#tmp更大，把tmp放在i的位置上
            li[i]=temp#把tmp放在某一级领导位置上
            break
    else:
        li[i]=temp#把tmp放到叶子节点上
#大根堆

时间复杂度：O(logn)

构造堆+出数：

def heap_sort(li):
    n=len(li)
    for i in range((n-1-1)//2,-1,-1):#i表示所需调整的堆的根节点的位置
        sift(li,i,n-1)
    #建堆完成
    for i in range(n-1,-1,-1):#i指向当前堆的最后一个元素
        li[0],li[i]=li[i],li[0]
        sift(li,0,i-1)#i-1是新的high

堆排序时间复杂度：O(nlogn)

堆的内置模块：

import heapq
import random

li=list(range(100))
random.shuffle(li)
heapq.heapify(li)#建堆（小根堆）
n=len(li)
for i in range(n):
    print(heapq.heappop(li),end=',')#每次弹出一个最小值

堆排序-topk问题：现在有n个数，设计算法得到前k大的数（k<n）

解决方法：

（1）排序后切片：O(nlogn)

（2）简单排序三人组：O(kn)

（3）堆排序：O(nlogk)

解决思路：

（1）取列表前k个元素建立一个小根堆，堆顶就是目前第k个大的数；

（2）依次向后遍历原列表，对于列表中的元素，如果小于堆顶，则忽略该元素；如果大于堆顶，则将堆顶更换为该元素，并且对堆进行一次调整；

（3）遍历列表所有元素之后，倒序弹出堆顶。

代码实现：

def sift(li,low,high):
    i=low#i开始指向根节点
    j=2*i+1#j开始是左孩子
    tmp=li[i]
    while j<=high:#只要j位置有效
        if j+1<=high and li[j+1]<li[j]:#如果右孩子有并且比较小
            j=j+1
        if li[j]<tmp:
            li[i]=li[j]
            i=j#往下看一层
            j=2*i+1
        else:#tmp更小，把tmp放在i的位置上
            li[i]=temp#把tmp放在某一级领导位置上
            break
    else:
        li[i]=temp#把tmp放到叶子节点上
#小根堆

def topk(li,k):
    heap=li[0:k]#取前k个数
    sift(heap,0,k-1)#建堆
    for i in range(k,len(li)-1):
        if li[i]>heap[0]:
            heap[0]=li[i]
            sift(heap,0,k-1)
    for i in range(k-1,-1,-1):#出数
        heap[0],heap[i]=heap[i],heap[0]#将根节点的最小值与堆的最后一个节点交换
        sift(heap,0,i-1)
    return heap

3.归并排序（非原地排序）

归并：假设现在有两个有序的列表，如何合并成一个有序的列表，这种操作称为一次归并。

思路：两个有序列表的开头分别有一个指针，比较两个指针所指位置值的大小，将小的先放到新的列表，另一个再放，直到其中一个列表变为空，将另外一个列表的剩余元素放到这个新列表中即可。

归并代码实现：

def merge(li,low,mid,high):
    i=low
    j=mid+1
    ltmp=[]
    while i<=mid and j<=high:#左右两个列表中都有值
        if li[i]<li[j]:
            ltmp.append(li[i])
            i+=1
        else:
            ltmp.append(li[j])
            j+=1
    #while结束意味着其中一个列表变为空
    while i<=mid:#左边序列有值
        ltmp.append(li[i])
        i+=1
    while j<=high:#右边序列有值
        ltmp.append(li[j])
        j+=1
    li[low:high+1]=ltmp

归并排序的思路：（递归）

分解：将列表越分越小，直至分成一个元素

终止条件：一个元素是有序的

合并：将两个有序列表归并，列表越来越大

代码实现：

def merge_sort(li,low,high):
    if low<high:#至少有两个元素
        mid=(low+high)//2
        merge_sort(li,low,mid)
        merge_sort(li,mid+1,high)
        merge(li,low,mid,high)

时间复杂度：O(nlogn)

空间复杂度：O(n)