python 排序算法 简书_排序算法：Python 实现

import sys

print (sys.version) # 3.5.2 |Continuum Analytics, Inc.| (default, Jul 5 2016, 11:41:13) [MSC v.1900 64 bit (AMD64)]

1. 交换排序 — 冒泡排序（Bubble Sort）

通过两两交换，小的先冒出来，大的后冒出来。O(N2)，稳定，排序过程如下：

代码如下：

def bubble_sort(num):

n = len(num)

for i in range(n):

for j in range(i, n):

if num[i] > num[j]:

num[i], num[j] = num[j], num[i]

return num

算法的稳定性定义为：对于待排序列中相同元素的原来次序不被排序算法改变，则称该算法稳定。

2. 交换排序 — 快速排序（Quick Sort）

1). 首先选择一个基准元素，通常选择第一个元素或者最后一个元素。

2). 通过一轮排序，将待排序的数组分割成独立的两部分，其中一部分数组的元素值均比基准元素值小，另一部分数组的元素值比基准值大。

3). 然后分别对这两部分数组用同样的方法继续进行排序，直到整个数组有序。

O(NlogN)，不稳定，排序过程如下：

代码如下：

def quick_sort(num):

if len(num) <= 1:

return num

larger = []

smaller = []

p = num.pop(random.randint(0, len(num)-1)) # 这里我们随机选择基准元素

for i in num:

if i <= p:

smaller.append(i)

else:

larger.append(i)

return quick_sort(smaller) + [p] + quick_sort(larger)

3. 选择排序 — 直接选择排序（Straight Selection Sort）

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。O(N2)，不稳定。

代码如下：

def selection_sort(num):

n = len(num)

for i in range(n):

min = i

for j in range(i, n):

if num[min] > num[j]:

min = j

num[min], num[i] = num[i], num[min]

return num

4. 选择排序 — 堆排序（Heap Sort）

完全二叉树：叶节点只能出现在最下层和次下层，并且最下面一层的结点都集中在该层最左边的若干位置的二叉树。

满二叉树：除最后一层无任何子节点外，每一层上的所有结点都有两个子结点。

堆 是一种完全二叉树，堆排序是一种树形选择排序，利用了大顶堆堆顶元素最大的特点，不断取出最大元素，并调整使剩下的元素使之还是大顶堆，依次取出最大元素就实现了排序。O(NlogN)，不稳定。 举例如下：

待排序列： [16, 7, 3, 20, 17, 8]

首先根据该序列构建一个完全二叉树，得到：

然后需要构造初始堆，从最后一个非叶节点开始调整（从右往左，从下至上），调整过程如下，得到初始堆：

得到初始堆后，将堆顶元素与最后一个元素交换，得到：

此时3位于堆顶，不满足大顶堆的性质，需调整如下（忽略最后一个元素）：

然后继续将堆顶元素与倒数第二个元素交换，如此进行下去，最终得到：

代码如下：

def MAX_Heapify(heap,HeapSize,root): #在堆中做调整使得父节点的值大于子节点

left = 2*root + 1 # 左子节点

right = left + 1 # 右子节点

larger = root

if left < HeapSize and heap[larger] < heap[left]:

larger = left

if right < HeapSize and heap[larger] < heap[right]:

larger = right

if larger != root: #如果做了堆调整则larger的值等于左节点或者右节点，则对调值

heap[larger], heap[root] = heap[root], heap[larger]

MAX_Heapify(heap, HeapSize, larger)

def Build_MAX_Heap(heap): # 构造一个堆，然后调整成最大堆

HeapSize = len(heap)

for i in range((HeapSize-2)//2,-1,-1): # 从最后一个非叶节点往前开始调整

MAX_Heapify(heap,HeapSize,i)

def HeapSort(heap):

Build_MAX_Heap(heap) # 得到初始(大顶)堆

#print(heap)

for i in range(len(heap)-1,-1,-1):

heap[0], heap[i] = heap[i], heap[0] # 堆顶元素与最后一个元素交换

MAX_Heapify(heap, i, 0)

return heap

if __name__ == '__main__':

a = [16, 7, 3, 20, 17, 8]

print (a)

print (HeapSort(a))

5. 插入排序 — 直接插入排序（Straight Insertion Sort）

每次将一个待排序的元素与已排序好的元素进行逐一比较，直到找到合适的位置按大小插入。O(N2)，稳定。排序过程如下：

代码如下：

def insertion_sort(num):

for i in range(1,len(num)):

j = i

tmp = num[i]

while j > 0 and tmp < num[j-1]:

num[j] = num[j-1]

j -= 1

num[j] = tmp

return num

print (insertion_sort(num))

6. 插入排序 — 希尔排序（Shell Sort）

先将整个待排元素序列分割成若干个子序列（由相隔某个“增量”的元素组成的）分别进行直接插入排序，然后依次缩减增量再进行排序，待整个序列中的元素基本有序（增量足够小）时，再对全体元素进行一次直接插入排序。O(N1.3)，不稳定。

排序过程如下（下面希尔排序的步长选择都是从n/2开始，每次再减半，直到最后为1）：

代码如下：

def shell_sort(lists):

count = len(lists)

step = 2

group = count // step

while group > 0:

for i in range(0, group):

j = i + group

while j < count:

k = j - group

key = lists[j]

while k >= 0:

if lists[k] > key:

lists[k+group] = lists[k]

lists[k] = key

k -= group

j += group

group //= step

return lists

print(shell_sort([49,38,65,97,26,13,27,49,55,4]))

7. 归并排序（Merge Sort）

归并排序是利用归并的思想实现的排序方法，该算法采用经典的分治（divide-and-conquer）策略（分治法将问题分(divide)成一些小的问题然后递归求解，而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起，即分而治之)。简单来讲，就是将待排序列不停的分为左边和右边两份，然后以此递归分下去。然后再将她们按照两个有序数组的样子合并起来。O(NlogN)，稳定。

举例如下（引自博文）：

代码如下：

def merge(left,right):

i, j = 0, 0

result = []

while i < len(left) and j < len(right):

if left[i] <= right[j]:

result.append(left[i])

i += 1

else:

result.append(right[j])

j += 1

result += left[i:]

result += right[j:]

return result

def MergeSort(list):

if len(list) <= 1:

return list

mid = len(list)//2

left = MergeSort(list[:mid])

right = MergeSort(list[mid:])

return merge(left, right)

if __name__ == '__main__':

a = [16, 7, 3, 20, 17, 8]

print (a)

print (MergeSort(a))