排序算法总结

1、直接插入排序

       (1) 分析:假设一个待排序集合A={a,b,c,d,e,f…},插入排序就是初始时将a视为只有一个元素的有序子集和B;从b开始,依次和集合B的元素比较,找到其插入的位置,最终的有序集合B即为排序的集合。直接排序的最坏情况的时间复杂度:O(n2)

       (2) 应用场景:直接插入排序是稳定的,也就是说要排序的数中有两个相同的数,插入法进行排序后,两个相等数的位置不会互换,则A算法是稳定的,否则A不稳定,所以当实现一个排序且不想改变相对位置时可以使用直接插入排序在大部分元素已排好序时,用直接插入排序较好

       (3) 代码:

def insert_sort(nums):
    for i in range(1, len(nums)):
        key = nums[i]
        j = i - 1
        while j > 0 and key < nums[j]:
            nums[j+1] = nums[j]
            j -= 1
        nums[j+1] = key
return nums

2、折半插入排序

        (1) 分析:折半插入法相对于直接插入法减少了比较的次数,即当一个元素向前面的子集插入时,由于子集已经有序,所以寻找插入位置时进行折半查找。也就是,如果元素比子集的中间位置的元素大时,插入位置在子集的前一半中,如果元素比子集的中间位置小时,插入位置在子集的后一半。折半插入减少了插入元素的时间复杂度O(log2n),但是由于元素移动部分的复杂度没变,所以折半插入排序的时间复杂度:O(n2)

       (2) 应用场景:直折半插入排序是稳定的,所以当实现一个排序且不想改变相对位置时可以使用折半插入排序

       (3) 代码:

def half_sort(nums):
    for i in range(1, len(nums)):
        key = nums[i]
        low = 0
        high = i-1
        while low <= high:
            mid = (high+low)//2
            if key < nums[mid]:
                high = mid - 1
            if key >= nums[mid]:
                low = mid + 1
        j = i-1
        while j >= low:
            nums[j+1] = nums[j]
            j -= 1
        nums[low] = key
return nums

3、冒泡排序

        (1) 分析:在要排序的一组数中,对当前还未排好序的范围内的全部数,自上而下对相邻的两个数依次进行比较和调整,让较大的数往下沉,较小的往上冒。每趟排序结束后,都会有一个元素找到自己最终在集合的位置。冒泡排序的时间复杂度:O(n2)

       (2) 应用场景:冒泡排序是稳定的。

       最大数问题(179):给定一组非负整数 nums,重新排列每个数的顺序(每个数不可拆分)使之组成一个最大的整数。如:nums=[3,30,34,5,9],输出9534330。

       分析:用冒泡排序的方式进行解题,从前到后排序时,可以nums[i]和nums[i+1]的字符串和与nums[i+1]和nums[i]字符串的和的大小对比,例如330和303进行比较,然后进行冒泡排序,最终拼接成字符串就是最大数。

def largestNumber(self, nums) -> str:
    for i in range(0, len(nums)):
        for j in range(0, len(nums) - i - 1):
            if str(nums[j]) + str(nums[j + 1]) < str(nums[j + 1]) + str(nums[j]):
                nums[j + 1], nums[j] = nums[j] + nums[j + 1]
    nums = [str(i) for i in nums]
    res = "".join(nums)
    if int(''.join(nums)) == 0:
        return str(0)
    else:
        return ''.join(nums)

       (3) 代码:

def bubble_sort(nums):
    for i in range(0, len(nums)):
        for j in range(0, len(nums)-i-1):
            if nums[j] > nums[j+1]:
                nums[j], nums[j+1] = nums[j+1], nums[j]
    return nums

4、快速排序

        (1) 分析: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,通过一趟扫描,将待排序列分成两部分,一部分比基准元素小,一部分大于等于基准元素,此时基准元素就找到了正确位置,然后再用同样的方法递归地排序划分的两部分,快速排序是一种原地排序。快速排序的时间复杂度:O(nlog2n)

       (2) 应用场景:快速排序不稳定,适用于数据量大的情况。快排一次排序就有一个元素排在了对应的位置,所以可以用快排+分治加快查找速度。例如:数组中的第K个最大元素问题(215)。

       分析:数组a快排一次可以确定一个元素的最终位置q,并且a[0…..q-1]中的每个元素小于等于 a[q],且 a[q]小于等于 a[q + 1 ……len(a)] 中的每个元素。所以,只要某次快排的q为倒数第K个下标的时候,就找到了答案,若q比倒数第K个下标小时,就在对a[0…..q-1]进行同样的快排,反之,则对a[q + 1 ……len(a)]进行快排。

def findKthLargest(self, nums, k: int) -> int:
    pos = len(nums) - k
    def repid_sort(nums, low, high):
        if low >= high:
            return nums[pos]
        i, j = low, high
        key = nums[i]
        while i < j:
            while i < j and key <= nums[j]:
                j -= 1
            nums[i] = nums[j]
            while i < j and key >= nums[i]:
                i += 1
            nums[j] = nums[i]
        nums[i] = key
        if i == pos:
            return key
        elif i > pos:
            return repid_sort(nums, low, i - 1)
        else:
            return repid_sort(nums, i + 1, high)
    return repid_sort(nums, 0, len(nums) - 1)

       (3) 代码:

def rapid_sort(nums, low, high):
    if low >= high:
        return nums
    i = low
    j = high
    key = nums[i]
    while i < j:
        while i < j and key <= nums[j]:
            j -= 1
        nums[i] = nums[j]
        while i < j and key >= nums[i]:
            i += 1
        nums[j] = nums[i]
    nums[i] = key
    rapid_sort(nums, low, i - 1)
rapid_sort(nums, i + 1, high)

5、选择排序

        (1) 分析:在要排序的一组数中,选出最小的一个数与第一个位置的数交换;然后在剩下的数当中再找最小的与第二个位置的数交换,如此循环到倒数第二个数和最后一个数比较为止。如果待排序集合有n个元素,那么一共要进行n-1次排序。选择排序的时间复杂度:O(n2)

       (2) 应用场景:选择排序不稳定,适用于数据量小的情况。

       (3) 代码:

def choose_sort(nums):
    for i in range(0, len(nums)):
        min_position = i
        for j in range(i+1, len(nums)):
            if nums[j] < nums[min_position]:
                min_position = j
        if i != min_position:
            nums[i], nums[min_position] = nums[min_position], nums[i]
    return nums

6、堆排序

        (1) 分析:堆是具有以下性质的完全二叉树:每个父结点的值都大于或等于其左右孩子结点的值,称为大顶堆;或者每个父结点的值都小于或等于其左右孩子结点的值,称为小顶堆。堆排序的时间复杂度:O(nlogn)

       (2) 应用场景:堆排序是不稳定的,适用于数据量大的情况,使用堆的好处主要在于数据不用一下读入内存中,比如topn问题。

        TopN问题(剑指offer40):输入n个整数,输出其中最大的k个数?

        分析:堆的性质是每次可以找出最大或最小的元素。可以使用一个大小为 k 的小顶堆,将数组中的元素依次入堆,当堆的大小超过 k 时,便将多出的元素从堆顶弹出。也就是说,在小顶堆中,堆顶是最小的元素,先将集合的前k个元素入堆,从集合的k+1个元素开始,和堆顶进行比较,若大于堆顶元素则说明堆顶不是最大的k个之一,则将堆顶元素删除,进入新的元素;若小于堆顶元素则无需处理,直接跳过。最终,堆中的元素就是最大的k个元素。(反之,输出最小的k个数,利用大顶堆即可)

def getLeast1Numbers(self, arr, k):
    if len(arr) <= k:
        return arr
    heap = []
    for i in range(len(arr)):
        if i < k:
            heap.append(arr[i])
        else:
            heapq.heapify(heap)
            if heap[0] < arr[i]:
                heapq.heapreplace(heap, arr[i])
    return heap

        注意:在python中heapq默认为小顶堆,若要建大顶堆,可以将arr的所有数据先变为负数,即arr = [-i for i in arr],然后其他部分不变,最后输出时,去掉负号。

       (3) 代码:

import heapq  # python默认的小顶堆
def heap_sort(nums):
    result = []
    for i in range(len(nums)):
        heapq.heapify(nums)  # 相当于将最小值找出,写入结果
        result.append(nums[0])
        nums.remove(nums[0])  # 把最小值删除,其余的部分继续按这样的步骤处理
    return result

排序总结:

https://img-blog.csdn.net/20151101134756457?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center

排序链表:

def sort_link(self, Node):
    firstNode = Node.next
    second_Node = firstNode
    while firstNode:
        while firstNode.next:
           if firstNode.element >firstNode.next.element:
              temp = firstNode.element
              firstNode.element=firstNode.next.element
                firstNode.next.element = temp
            firstNode = firstNode.next
        firstNode = second_Node.next
        second_Node = firstNode

 

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

楊木木8023

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值