python实现排序算法_02.python实现排序算法

一、列表排序

将无序列表变为有序列表

应用场景： 榜单，表格， 给二分查找用，给其他算法用

二、python实现三种简单排序算法

时间复杂度O(n^2), 空间O(1)

1、冒泡排序

思路：

列表每两个相邻的数，如果前面的比后面的大，那么交换这两个数

代码实现：

#冒泡排序

@cal_time # 测试执行时间defbubble_sort(li):for i in range(len(li)-1): #i表示第i趟

#第i趟无序区位置【0，n-i-1】

for j in range(len(li)-i-1):if li[j] > li[j+1]:

li[j], li[j+1] = li[j+1], li[j]#最好情况 O(n^2)#平均情况 O(n^2)#最坏情况 O(n^2)

#优化改进>>>#思路：如果冒泡排序中执行一趟而没有交换，则列表已经是有序状态，可以直接结束算法。

@cal_timedefbubble_sort2(li):for i in range(len(li)): #表示第i趟

exchange =0#第i趟无序区的位置【0，n-i-1】 n是列表长度

for j in range(len(li)-i-1):if li[j] > li[j+1]:

li[j], li[j+1] = li[j+1], li[j]

exchange= 1

if not exchange: #如果遍历一遍没有发生交换，则已经有序，直接返回

return

#最好情况 O(n)#平均情况 O(n^2)#最坏情况 O(n^2)

2、选择排序

思路：

一趟遍历记录最小的数，放到第一个位置；

再一趟遍历记录剩余列表中最小的数，继续放置；

...

问题：

怎么选出最小的数

#找最小值

deffind_min(li):

min_num=li[0]for i in range(1,len(li)):if li[i]

min_num=li[i]returnmin_num#找最小值的下标

deffind_min_pos(li):

min_pos=0for j in range(1,len(li)):if li[j]

min_pos=jreturnmin_pos

li= [2,5,8,9,11,15,5,1]print(find_min(li)) #1

print(find_min_pos(li)) #7

选择排序：

defselect_sort(li):for i in range(len(li)-1): #第i趟遍历，从0开始

#第i趟 无序区【i, len(li)-1】

#找无序区最小数位置，和无序区第一个数交换

min_pos =ifor j in range(i+1, len(li)): #从无序区第二个开始找

if li[j]

min_pos=j

li[min_pos], li[i]=li[i], li[min_pos]

li= list(range(100))

random.shuffle(li)#打乱列表次序

print(li)

select_sort(li)print(li)

比冒泡排序快。

3、插入排序

思路：

列表被分为有序区和无序区两个部分。最初有序区只有一个元素。每次从无序区选择一个元素，插入到有序区的位置，直到无序区变空。

代码：

definsert_sort(li):for i in range(1, len(li)): #i表示第i趟，还表示无序区第一个数的位置

tmp =li[i]

j= i - 1 #j 从后往前遍历有序区的指针

while j >= 0 and li[j] > tmp: #j遍历结束或无序区第一位大于j指向的数时跳出循环

li[j + 1] = li[j] #有序区的第j位往后挪一位

j -= 1 #j 向前指一位

li[j + 1] = tmp #将tmp插入到有序区j后面一位

三、python实现三种较复杂排序算法

1、快速排序

时间复杂度： O(nlogn)

思路：

取一个元素p(第一个元素)，使元素p归位；

列表被p分成两部分，左边都比p小，右边都比p大；

左右两边递归完成排序。

方法一（经典方法）：

归位思路：

将要归位的数p存起来，此时左游标left指向空

将游标指向的数与p比较，大于放右边，小于放左边（详细操作：

先将右游标right指向的数与p比较，大于p，位置不变，右游标往左移一位，继续比较；小于p，放到left指向的空位置，此时right指向空，然后移left

再将left游标往右移一位指向的数与p比较，小于p，位置不变，left往右移一位，继续比较；大于p，放到right指向的空位置，此时left指向空，然后移right）

当左游标等于右游标时，游标指向的位置就是p要归的位置

注意处理最坏情况（列表倒序）导致递归达到最大深度，从列表中随机取一个与第一个交换位置

代码：

defquick_sort(li, left, right):if left < right: #递归区域至少有两个元素

mid = partition(li, left, right) #归位

quick_sort(li, left, mid-1) #左边

quick_sort(li, mid+1, right) #右边

defpartition(li, left, right):

i= random.randint(left, right) #防止最坏情况(列表有序或倒序)导致递归达到最大深度，从列表中随机取一个与第一个交换位置

li[i], li[left] =li[left], li[i]

tmp= li[left] #将要归位的数存起来

while left =tmp:

right-= 1 #右边的数大于等于tmp就不动，right游标往左走

li[left] = li[right] #右边的数小于tmp就往左放

while left < right and li[left] <=tmp:

left+= 1 #左边的数小于等于tmp就不动，left游标往右走

li[right] = li[left] #左边的数大于tmp就往右放

li[left] = tmp #left=right 将tmp归位

return left

方法二（算法导论中的归位方法）：

归位思路：

取最后一个元素r归位，

分两个区域，将小于r的数都放到区域一, 剩下的就是大于r的区域二

然后将r与区域二的第一个数交换，就归位成功了

与方法1一样也有python递归最大深度的问题

代码实现：

defpartition2(li, left, right):#区域1：[left, i] 区域2：[i+1, j-1]

i = left - 1 #初始区域1和区域2都空，i指向区域1最后一个数

for j inrange(left, right):if li[j] < li[right]: #放到区域1，i往后移一位

i += 1li[i], li[j]= li[j], li[i] #与区域2的第一个数(i+1)交换归为区域1，

li[right], li[i+1] = li[i+1], li[right] #归位

return i+1 #返回mid

方法三（占用空间的方法）：

思路：

每次都取中间的数为归位，尽可能的避免最坏情况导致python递归达最大深度的问题

开三个列表，一个放大于归位数的，一个放小于归位数的，一个放等于归位数的

然后将三个列表拼起来

递归结束条件，列表长度小于等于1,

代码：

defquick_sort3(li):if len(li) <= 1:returnli

m= li[len(li)//2] #防止列表本来就是有序或倒序的，导致递归达到最大深度，不取li[0]

left = [item for item in li if item

right= [item for item in li if item >m]

x= [i for i in li if i ==m]return quick_sort3(left) + x + quick_sort3(right)

一行实现快速排序：

quick_sort4 = lambda li: li if len(li) <= 1 else quick_sort4([item for item in li[1:] if item <= li[0]]) + [li[0]] + quick_sort4([item for item in li[1:] if item > li[0]])

2、堆排序

堆的概念：

堆是完全二叉树，完全二叉树可以用列表来存储，通过规律可以从父亲找到孩子或从孩子找到父亲，堆中某个节点的值总是不大于或不小于其父节点的值

大根堆：一棵完全二叉树，满足任一节点都比其孩子节点大

小根堆：一棵完全二叉树，满足任一节点都比其孩子节点小

堆排序利用了堆向下调整的特征：节点的左右子树都是堆，但自身不是堆。

向下调整，挨个出数；

通过父节点找子节点：父节点下标为i

则：孩子节点为，2i+1 和 2i+2

通过孩子节点找父节点：孩子节点为j

子节点为左节点，父节点为：(j-1) / 2

子节点为右节点，父节点为：(j-2) / 2

不知道为左子节点还是右子节点： (j-1) // 2

代码：

defsift(li, low, high):'''向下调整

:param li:

:param low: 堆顶下标

:param high: 堆中最后一个元素下标

:return:'''tmp=li[low]

i=low

j= 2 * i + 1 #i, j 两个游标，初始i指向堆顶，j指向堆顶的左孩子

while j <= high: #第二个结束循环的条件，没有孩子和tmp竞争i这个位置

if j+1 <= high and li[j+1] > li[j]: #如果右孩子存在并且比左孩子大 j指向右孩子

j += 1

if li[j] >tmp:

li[i]= li[j] #大的数往上调整

i = j #i指向下一个要调整的堆的堆顶

j = 2 * i + 1 #j指向调整堆的堆顶的左孩子

else:break #第一种循环退出情况，tmp比目前两个孩子都大

li[i] = tmp #i就是tmp要调整到的位置

defheap_sort(li):'''堆排序

:param li:

:return:'''

#1. 从列表构造堆，low的值和high的值

n =len(li)#子节点找父节点: low = (i-1)//2 --> (n-2)//2 --> n//2-1

for low in range(n//2-1, -1, -1):

sift(li, low, n-1)#2. 挨个出数 利用原来的空间存储下来的值，但是这些值不属于堆

for high in range(n-1, -1, -1): #或range(n-1, 0, -1)

li[high], li[0] = li[0], li[high] #1.把最大的调下来 2.high对应的数调上去

sift(li, 0, high - 1) #3.调整，high 往前移一个，low为0

3、归并排序

思路：

假设现在的列表分两段有序，如何将其合成一个有序列表， 这个操作称为一次归并。

有了归并之后怎么用？

分解 ：将列表越分越小，直至分成一个元素

终止条件：一个元素是有序的。

合并：将两个有序列表归并，列表越来越大。

一次归并：

defmerge(li, low, mid, high):'''归并

:param li:

:param low:

:param mid:

:param high:

:return:'''i=low

j= mid + 1li_tmp=[]while i <= mid and j <= high: #两边都有数

if li[i] <=li[j]:

li_tmp.append(li[i])

i+= 1

else:

li_tmp.append(li[j])

j+= 1

#i<=mid 和 j<=high 两个条件 只能有一个满足

while i <=mid:

li_tmp.append(li[i])

i+= 1

while j <=high:

li_tmp.append(li[j])

j+= 1

#li_tmp 0~high-low 复制回li low~high

for i inrange(len(li_tmp)):

li[low+ i] = li_tmp[i]

分解合并：

defmerge_sort(li, low, high):if low < high: #至少两个元素

#print(li[low:high+1], '->', end=' ')

mid = (low + high) // 2 #分解

#print(li[low:mid+1], li[mid+1: high+1])

merge_sort(li, low, mid) #递归排序左边

merge_sort(li, mid + 1, high) #递归排序右边

#print(li[low:mid+1], li[mid+1: high+1], '->', end=' ')

merge(li, low, mid, high) #一次归并 合并

#print(li[low:high+1])

小结：