面试准备——排序算法归纳

1.冒泡排序

要点：循环，比较相邻的元素，如果第一个比第二个大，就交换他们，依次找到最大值，使其排在最后。

2.选择排序

选择排序改进了冒泡排序，每次遍历列表只做一次交换。
一个选择排序在他遍历时寻找最大的值，并在完成遍历后，将其放置在正确的位置。与冒泡排序一样，在第一次遍历后，最大的项在正确的地方。 第二遍后，下一个最大的就位。遍历 n-1 次排序 n 个项，因为最终项必须在第（n-1）次遍历之后。

3.插入排序

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。
类似打扑克牌抓牌
优化1：折半插入——改进了第1步：从已经排好序的数组中找到该插入的点。
取已经排好序的数组的中间元素，与插入的数据进行比较，如果比插入的数据大，那么插入的数据肯定属于前半部分，否则属于后半部分。这样，不断遍历缩小范围，很快就能确定需要插入的位置。这就是所谓“折半”。

4.希尔排序

希尔排序是基于插入排序的以下两点性质而提出改进方法的：
插入排序在对几乎已经排好序的数据操作时，效率高，即可以达到线性排序的效率；
但插入排序一般来说是低效的，因为插入排序每次只能将数据移动一位；
希尔排序的基本思想是：先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序，待整个序列中的记录“基本有序”时，再对全体记录进行依次直接插入排序。
算法步骤：
选择一个增量序列 t1，t2，……，tk，其中 ti > tj, tk = 1；（如2^k-1：1,3,7,15等）
按增量序列个数 k，对序列进行 k 趟排序；
每趟排序，根据对应的增量 ti，将待排序列分割成若干长度为 m 的子序列，分别对各子表进行直接插入排序。仅增量因子为 1 时，整个序列作为一个表来处理，表长度即为整个序列的长度。

5.归并排序

分治法
算法步骤

申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列；
设定两个指针，最初位置分别为两个已经排序序列的起始位置；
比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置；
重复步骤 3 直到某一指针达到序列尾；
将另一序列剩下的所有元素直接复制到合并序列尾。

递归法更简单

6.快速排序

快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。

快速排序又是一种分而治之思想在排序算法上的典型应用。本质上来看，快速排序应该算是在冒泡排序基础上的递归分治法。
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)。在这个分区退出之后，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。
快速排序的最坏运行情况是 O(n²)，比如说顺序数列的快排。但它的平摊期望时间是 O(nlogn)，且 O(nlogn) 记号中隐含的常数因子很小，比复杂度稳定等于 O(nlogn) 的归并排序要小很多。所以，对绝大多数顺序性较弱的随机数列而言，快速排序总是优于归并排序。
优化：随机快排

7.堆排序

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法：
大顶堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列；
小顶堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列；
堆排序的平均时间复杂度为 Ο(nlogn)。

8.计数排序

计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。

9.桶排序

桶排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。为了使桶排序更加高效，我们需要做到这两点：
在额外空间充足的情况下，尽量增大桶的数量
使用的映射函数能够将输入的 N 个数据均匀的分配到 K 个桶中
同时，对于桶中元素的排序，选择何种比较排序算法对于性能的影响至关重要。

10.基数排序

基数排序可以看做是进行多趟桶排序。
基数排序是一种非比较型整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。由于整数也可以表达字符串（比如名字或日期）和特定格式的浮点数，所以基数排序也不是只能使用于整数。

排序的时间复杂度

• 最坏情况：以大O记号形式表示的时间复杂度，给出了一个算法的最坏情况，即--对于规模为n的任意输入，算法的运行时间都不会超过O(f(n))
• 最好情况 ：大 Ω记号-->如果存在正的常数c和函数g(n)，对任意n>>2，有T(n) > c * g(n)，即认为：在n足够 大后，g(n)给出了T(n)的一个下界，记为：T(n) =Ω (g(n))
• 大 Θ记号-->存在正的常数c1和c2，以及函数h(n)，对任意n>>2，有 c1*h(n) < T(n) < c2 * h(n)，即认为：在n足够大后，h(n)给出了T(n)的一个确界，记为：
  T(n) =Θ (g(n))
•  

  平方阶 (O(n2)) 排序 各类简单排序：直接插入、直接选择和冒泡排序。
  线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序。
  O(n1+§)) 排序，§ 是介于 0 和 1 之间的常数。 希尔排序。
  线性阶 (O(n)) 排序 基数排序，此外还有桶、箱排序。

  排序的稳定性

  稳定性：若存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，则该排序算法是稳定的。
  稳定的排序算法：冒泡排序、插入排序、归并排序和基数排序。
  不是稳定的排序算法：选择排序、快速排序、希尔排序、堆排序。

  内部排序和外部排序

  内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。
  常见的内部排序算法有：插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。

  就地排序

  原地(原址、就地)排序是指：基本上不需要额外辅助的的空间，允许少量额外的辅助变量进行的排序。就是在原来的排序数组中比较和交换的排序。
  像选择排序，插入排序，希尔排序，快速排序，堆排序等都会有一项比较且交换操作(swap(i,j))的逻辑在其中，因此他们都是属于原地(原址、就地)排序，而合并排序，计数排序，基数排序等不是原地排序。

  编程细节

  1.xrange和range的异同

  range：
  函数说明：range([start,]stop[,step]),根据start和stop的范围以及步长step生成一个序列
  xrange
  函数说明：功能和range一样，所不同的是生成的不是一个数组而是一个生成器

  >>> xrange(5)
  xrange(5)
  >>> list(xrange(5))
  [0, 1, 2, 3, 4]
  >>> xrange(2,5)
  xrange(2, 5)
  >>> list(xrange(2,5))
  [2, 3, 4]
  >>> xrange(2,5,2)
  xrange(2, 6, 2)  #注意和range(2,5,2)的区别
  >>> list(xrange(2,5,2))
  [2, 4]
  

  所以，在Range的方法中，它会生成一个list的对象，但是在XRange中，它生成的却是一个xrange的对象。当返回的东西不是很大的时候，或者在一个循环里，基本上都是从头查到底的情况下，这两个方法的效率差不多。但是，当返回的东西很大，或者循环中常常会被Break出来的话，还是建议使用XRange，这样既省空间，又会提高效率。
  python3的range就是xrange。

  2.python3中的除法

  python3 整除// 正常除法/结果为浮点数

  3.向上向下取整

  向上取整math.ceil、向下取整math.floor、四舍五入round()，返回结果浮点型