Python实现归并排序

就像前面说的那样，分而治之是一种通常能够开发出高效算法的技术。假设你和一个朋友一起尝试把一副扑克牌按照顺序进行排序。你可以通过将这副牌分成两半来分解问题，这样的话，每个人都将会对其中一半的扑克牌进行排序。这样一来，你就只需要再去找出一个能够组合两个有序堆的方法。

将两个有序列表组合成单个有序结果的过程被称为归并（merging）。因此，对于我们分而治之的算法来说，它被称为归并排序（mergesort）。这个算法如下所示：

把数组分成两部分
对左半部分排序
对右半部分排序
把排序好的两部分合并

算法的第一步非常简单，我们可以使用列表的切片方法来处理它。算法的最后一步是将列表合并在一起。如果你多考虑一会儿的话，你会发现合并并不困难。让我们回到扑克牌堆的例子里，以得到更多的细节。由于我们对两个堆都进行了排序，因此每个堆的最小值都在顶部。哪一边顶部的元素更小，那么它就是合并列表里的第一个元素。删除这个更小的值之后，我们可以再次比较两个扑克牌堆顶部的元素，这时，更小的顶部扑克牌将会是列表中的下一个元素。我们一直持续这个过程，把两个顶部元素里较小的那一个放入到最终的大列表里，直至其中一个堆被用完了为止。这个时候，我们用剩余堆里的扑克牌来完成最终的结果列表。

下面是一个归并过程的Python实现。在这段代码里，lst1和lst2是两个小列表，lst3是放置结果的大列表。为了使归并过程能够正常地工作，lst3的长度必须等于lst1和lst2的长度之和。你应该可以通过研究代码里附带的注释来理解这段代码

在这里插入代码片

很好，现在我们可以把列表切成两个小列表，如果这两个列表已经有序了，我们也知道了应该如何把它们合并回一个列表。那么，我们应该怎么对小列表进行排序呢？让我们考虑一下。我们正在尝试对列表进行排序，我们的算法要求我们对两个小列表进行排序。这听起来就像是一个很好的能够使用递归来完成的问题。也许我们使用归并排序（mergeSort）本身，就能够对两个列表都进行排序。让我们回到我们的递归指南来开发一个合适的递归算法。

为了让递归能够正确工作，我们需要找到至少一个不需要递归调用的基本情况。而且，我们还必须要确保递归调用总是在更小版本的原始问题上进行。mergeSort里的递归将会始终出现在大约是原始列表的一半的列表上，因此后面这个属性就自动地满足了。最终，我们的列表将会非常小——只包含一个元素。更好的是，只有一个元素的列表是已经有序了的！这样，我们就有了一个基本情况：当列表的长度小于2的时候，我们什么都不需要去做，保持列表不变就行了。

同样地，我们可以把这个算法直接转换为Python代码：

def merge(lst1, lst2):  # 有序列表lst1 lst2 合并成lst3
    lst3 = []
    i1, i2 = 0, 0  # 追踪每个列表当前的位置
    n1, n2 = len(lst1), len(lst2)
    while i1 < n1 and i2 < n2:  # lst1 和lst2 都拥有更多元素
        if lst1[i1] < lst2[i2]:  # lst1 的第一个元素更小
            lst3.append(lst1[i1])  # 把这个小的追加到临时列表
            i1 = i1 + 1
        else:  # lst2 的第一个元素更小
            lst3.append(lst2[i2])
            i2 = i2 + 1
    if i1 == n1:
        for i in lst2[i2:]:
            lst3.append(i)
    else:
        for i in lst1[i1:]:
            lst3.append(i)
    return lst3


def mergeSort(nums):
    n = len(nums)
    if n <= 1:
        return nums
    m = n // 2
    left = mergeSort(nums[:m])
    right = mergeSort(nums[m:])
    return merge(left, right)


print(mergeSort([1, 3, 2, 4, 5, 7, 9,2]))