python八大选择排序_八大排序python实现

1.直接插入排序：将需要排序的列表分为已排序和未排序部分，依次将未排序部分的数字与已排序部分进行比较，找到比自己小的数字时停止，并插入到该数字后一位

def insertSort(L):

lenth = len(L)

for i in range(1, lenth):

if L[i] < L[i-1]:

j = i-1

tmp = L.pop(i)

while tmp < L[j]:

j = j-1

L.insert(j+1, tmp)

return L

2.希尔排序：

第一次排序：gap = 5(10/2)，相距5的数字为一组，一共分为五组，分别进行插入排序

第二次排序：gap = 2(5/2)，相距为2的数字为一组，一共分为2组，分别进行插入排序

第三次排序：gap = 1(2/1)，只有一组，进行插入排序后，得到最后答案

defshellSort(L):

lenth=len(L)

gap= lenth/2

while gap >= 1:for i inrange(gap, lenth):while i >= gap and L[i-gap] >L[i]:

L[i], L[i-gap] = L[i-gap], L[i]

i= i-gap

gap= gap/2

return L

3.选择排序-简单选择排序

在要排序的一组数中，选出最小(或者最大)的一个数与第1个位置的数交换；然后在剩下的数当中再找最小(或者最大)的与第2个位置的数交换，依次类推，直到第n-1个元素(倒数第二个数)和第n个元素(最后一个数)比较为止。

第一趟，从n 个记录中找出关键码最小的记录与第一个记录交换；

第二趟，从第二个记录开始的n-1 个记录中再选出关键码最小的记录与第二个记录交换；

以此类推.....

第i 趟，则从第i 个记录开始的n-i+1 个记录中选出关键码最小的记录与第i 个记录交换，

直到整个序列按关键码有序。

#! coding: utf-8

defselectSort(L):

lenth=len(L)for i in range(lenth - 1):

mx_idx=ifor k inrange(i, lenth):if L[k] >L[mx_idx]:

mx_idx=k

L[i], L[mx_idx]=L[mx_idx], L[i]returnLif __name__=="__main__":

L= [3,1,5,7,2,4,9,6]print selectSort(L)

优化：双向选择，同时选择最大值和最小值，循环少一半

#! coding: utf-8

defselectSort(L):

lenth=len(L)for i in range((lenth - 1)/2):#import pdb;pdb.set_trace()

mx_idx =i

mn_idx=ifor k in range(i, lenth -i):if L[k] >L[mx_idx]:

mx_idx=kif L[k]

mn_idx=k#import pdb;pdb.set_trace()

L[i], L[mx_idx] =L[mx_idx], L[i]

L[lenth- i -1], L[mn_idx] = L[mn_idx], L[lenth - i - 1]returnLif __name__=="__main__":

L= [3,1,5,7,2,4,9,6]print selectSort(L)

4.堆排序

堆排序是一种树形选择排序，是对直接选择排序的有效改进。

基本思想：

堆的定义如下：具有n个元素的序列(k1,k2,...,kn),当且仅当满足

时称之为堆。由堆的定义可以看出，堆顶元素(即第一个元素)必为最小项(小顶堆)。

若以一维数组存储一个堆，则堆对应一棵完全二叉树，且所有非叶结点的值均不大于(或不小于)其子女的值，根结点(堆顶元素)的值是最小(或最大)的。如：

(a)大顶堆序列：(96, 83,27,38,11,09)

(b)  小顶堆序列：(12，36，24，85，47，30，53，91)

初始时把要排序的n个数的序列看作是一棵顺序存储的二叉树(一维数组存储二叉树)，调整它们的存储序，使之成为一个堆，将堆顶元素输出，得到n

个元素中最小(或最大)的元素，这时堆的根节点的数最小(或者最大)。然后对前面(n-1)个元素重新调整使之成为堆，输出堆顶元素，得到n

个元素中次小(或次大)的元素。依此类推，直到只有两个节点的堆，并对它们作交换，最后得到有n个节点的有序序列。称这个过程为堆排序。

因此，实现堆排序需解决两个问题：

1. 如何将n 个待排序的数建成堆；

2. 输出堆顶元素后，怎样调整剩余n-1 个元素，使其成为一个新堆。

首先讨论第二个问题：输出堆顶元素后，对剩余n-1元素重新建成堆的调整过程。

调整小顶堆的方法：

1)设有m 个元素的堆，输出堆顶元素后，剩下m-1 个元素。将堆底元素送入堆顶((最后一个元素与堆顶进行交换)，堆被破坏，其原因仅是根结点不满足堆的性质。

2)将根结点与左、右子树中较小元素的进行交换。

3)若与左子树交换：如果左子树堆被破坏，即左子树的根结点不满足堆的性质，则重复方法 (2).

4)若与右子树交换，如果右子树堆被破坏，即右子树的根结点不满足堆的性质。则重复方法 (2).

5)继续对不满足堆性质的子树进行上述交换操作，直到叶子结点，堆被建成。

称这个自根结点到叶子结点的调整过程为筛选。如图：

再讨论对n 个元素初始建堆的过程。

建堆方法：对初始序列建堆的过程，就是一个反复进行筛选的过程。

1)n 个结点的完全二叉树，则最后一个结点是第

个结点的子树。

2)筛选从第

个结点为根的子树开始，该子树成为堆。

3)之后向前依次对各结点为根的子树进行筛选，使之成为堆，直到根结点。

如图建堆初始过程：无序序列：(49，38，65，97，76，13，27，49)

算法的实现：

从算法描述来看，堆排序需要两个过程，一是建立堆，二是堆顶与堆的最后一个元素交换位置。所以堆排序有两个函数组成。一是建堆的渗透函数，二是反复调用渗透函数实现排序的函数。

#! coding: utf-8

defheapParse(L, s, lenth):importpdb;pdb.set_trace()

tmp=L[s]

child= s * 2 + 1

while child

child+= 1

if L[s]

L[s]=L[child]

s=child

child= s * 2 + 1

else:breakL[s]=tmpprint "%s: %s" %(lenth, L)defheapBuild(L, lenth):for i in range((lenth - 1)/2, -1, -1):

heapParse(L, i, lenth)defheapSort(L, lenth):

heapBuild(L, lenth)for x in range(lenth - 1, 0, -1):

L[0], L[x]=L[x], L[0]

heapParse(L, 0, x)if __name__ == "__main__":

L= [3,1,5,7,2,4,9,6,10,8]

heapSort(L, len(L))print L

分析:

设树深度为k，

。从根到叶的筛选，元素比较次数至多2(k-1)次，交换记录至多k 次。所以，在建好堆后，排序过程中的筛选次数不超过下式：

而建堆时的比较次数不超过4n 次，因此堆排序最坏情况下，时间复杂度也为：O(nlogn )。