十大排序算法(python)
在计算机编程时,我们经常需要对一系列数进行排序,在这里,我将列出十种不同的排序算法,给出它们的python代码,并计算出它们的时间复杂度。
0排序算法说明
0.1排序的定义
对一序列对象根据某个关键字进行排序。
0.2 术语说明
稳定 :如果a原本在b前面,而a=b,排序之后a仍然在b的前面;
不稳定 :如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面;
内排序 :所有排序操作都在内存中完成;
外排序 :由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行;
时间复杂度 : 一个算法执行所耗费的时间。
空间复杂度 :运行完一个程序所需内存的大小。
0.3 算法总结
名词解释:
· n: 数据规模
· k: “桶”的个数
· In-place: 占用常数内存,不占用额外内存
· Out-place: 占用额外内存1
0.4算法分类
Figure 1注:我使用的shell排序是交换排序,当然也可以用插入排序
0.5比较和非比较的区别
常见的快速排序、归并排序、堆排序、冒泡排序 等属于比较排序 。在排序的最终结果里,元素之间的次序依赖于它们之间的比较。每个数都必须和其他数进行比较,才能确定自己的位置 。
在冒泡排序之类的排序中,问题规模为n,又因为需要比较n次,所以平均时间复杂度为O(n²)。在归并排序、快速排序之类的排序中,问题规模通过分治法消减为logN次,所以时间复杂度平均O(nlogn)。
比较排序的优势是,适用于各种规模的数据,也不在乎数据的分布,都能进行排序。可以说,比较排序适用于一切需要排序的情况。
计数排序、基数排序、桶排序则属于非比较排序 。非比较排序是通过确定每个元素之前,应该有多少个元素来排序。针对数组arr,计算arr[i]之前有多少个元素,则唯一确定了arr[i]在排序后数组中的位置 。
非比较排序只要确定每个元素之前的已有的元素个数即可,所有一次遍历即可解决。算法时间复杂度O(n)。
非比较排序时间复杂度底,但由于非比较排序需要占用空间来确定唯一位置。所以对数据规模和数据分布有一定的要求。[1]
1冒泡排序(bubble sort)
冒泡排序通过重复走访要排序的数列,依次比较数列中相邻的两个数,如果逆序,则将这两个数交换,变为顺序。算法终止的条件是对数列中的任意两个数我们都不可交换它们的位置,也就是数列中所有数都为顺序。在操作n次之后,整个数列将按从小到大的顺序排列。在每一次操作中,我们需要比较O(n)次,共执行n次,算法的时间复杂度为O(n^2)。
算法描述:从第一个数开始,依次比较相邻两个数,如果第一个数大于第二个数,则交换它们之间的位置。在经过一轮操作后,最大的数将被移动到数列最右端。我们继续对剩下的n-1个数进行操作,从而可以将这n-1个数中最大的数移动到剩下的数最右端。重复进行,直到遍历完整个数列,算法终止。
def bubble_sort(n):
'''冒泡排序对列表进行排序,并返回一个排序好的列表:param n: 列表对象:return: 排序结果列表'''
i=len(n)
while i > 1:
j=0
while j < i-1:
if n[j]<=n[j+1]:
j+=1
else:
n[j],n[j+1]=n[j+1],n[j]#不是正序则交换两数
j+=1
i-=1
return n
2选择排序(selection sort)
选择排序是从未排序数列中选择最小的数,存放到排序数列中的起始位置,然后再选出第二小的数,附在已排序数列的最后。这样我们就可以将数列从小到大地进行排序。算法终止的条件是遍历完原数列。我们每次操作需要在原数列中比较O(n)次,共执行n次,算法的时间复杂度为O(n^2)。
算法描述:我们从原数列中选出最小的数,将其导出(pop,缩短原列表长度,可以减少运算时间),并将其返回到一个新数列中。重复操作,直到原数列中不含元素,算法终止。
def selection_sort(n):
'''选择排序
对列表进行排序&#x