Python排序算法
本章节实现的算法功能主要借鉴参考于
微信公众号:裸睡的猪
微信号:IT–Pig
感兴趣的朋友可以关注…(我也是他的小粉丝…)
首先用一张图了解下各排序方法的时间复杂度、空间复杂度及其稳定性:
一、冒泡排序
冒泡排序(Bubble Sort)的原理是通过依次比较两个相邻的元素,将较大的值向后移动,最终完成排序。
1. 过程图解
2. 算法思想
- 首先第一个元素和第二个元素开始比较,如果第一个元素比第二个大,则交换位置,以此类推…
- 经过一轮比较,最大的元素将排在最后一个位置,重复1中的操作,第二大的元素会排在倒数第二的位置,第三大的元素则会排在倒数第三个位置
- 以此类推,我们只要重复n-1同样的操作即可完成排序。
3. 代码实现
def bubble_sort(arr):
"""冒泡排序"""
# 第一层表示循环层数
for i in range(len(arr) - 1):
# 第二层表示具体比较那两个元素
for j in range(len(arr) - 1 - i):
if arr[j] > arr[j + 1]:
# 如果前面的大于后面的,则交换位置
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr
二、选择排序
选择排序(Selection sort)的原理是每一次从需要排序的数据中选出最小或最大的元素,并将它放在序列的第一个位置。
1. 过程图解
2. 算法思想
- 首先我们将第一个元素设置为需要比较的元素,然后依次将后面的元素与它进行比较,如果比较的所有元素有比它小的元素,则交换位置。
- 重复1中的操作,第二位置应该放第二小的元素,我们找到第二小的元素与第二个位置的元素进行位置交换,以此类推,找出每个位置的最小元素,完成排序。
3. 代码实现
def selection_sort(arr):
"""选择排序"""
# 第一层表示循环的次数
for i in range(len(arr) - 1):
# 将起始元素设为最小值
min_index = i
# 第二层表示最小元素和后面的元素逐个比较
for j in range(i + 1, len(arr)):
if arr[j] < arr[min_index]:
# 如果当前元素比最小值小,则把当前元素下标设置为最小值下标
min_index = j
# 查找一遍后,将最小值与初始元素交换位置
arr[min_index], arr[i] = arr[i], arr[min_index]
return arr
三、插入排序
插入排序(Insertion-Sort)原理是构建有序序列,对于未排序的序列,在已排好的序列中从后向前扫描,找到相应位置并插入,以此完成排序。
1. 过程图解
2. 算法思想
- 从所要比较的第二个元素开始和前面的元素进行比较,如果前面的元素比它大,则当前元素前移,直至找到比它小或等于它的元素停止前移
- 依次选择到最后一个元素,完成所有排序
3. 代码实现
def insertion_sort(arr):
"""插入排序"""
# 第一层表示循环插入的次数
for i in range(1, len(arr)):
# 设置当前需要插入的元素
element = arr[i]
# 与当前元素进行比较的比较元素
pre_index = i - 1
while pre_index >= 0 and arr[pre_index] > element:
# 当比较元素大于当前元素,交换位置,后移比较元素
arr[pre_index + 1] = arr[pre_index]
# 向前选择下一个比较元素
pre_index -= 1
# 当比较元素小于当前元素,则将当前元素插在其后面
arr[pre_index + 1] = element
return arr
四、希尔排序
希尔排序(Shell’s Sort)是插入排序的一种,是直接插入排序算法的一种更高效的改进版本,它与插入排序的不同之处在于,它会优先比较距离较远的元素。
1. 过程图解
2. 算法思想
- 设置一个增量(间隔)值
- 对元素进行和增量元素(这两个元素在一个纵列)作比较,例如增量值为7,那么就对0,7,14…位置上的元素进行比较排序
- 当第一组比较完后,比较第二组,即1,8,15…
- 所有元素排完序后,缩小增量(间隔)值(缩小为原增量值的一半),重复上述操作
- 当增量值为1时,数列基本排好序,最后一遍普通插入即可
已知的最增量式是由 Sedgewick 提出的 (1, 5, 19, 41, 109,…), 该步长的项来自 9 4^i - 9 2^i +1 和 4^i - 3 2^i + 1
这两个算式。这项研究也表明比较在希尔排序中是最主要的操作,而不是交换。 用这样增量式的希尔排序比插入排序和堆排序都要快,甚至在小数组中比快速排序还快,但是在涉及大量数据时希尔排序还是比快速排序慢。
3. 代码实现
def shell_sort(arr):
"""希尔排序"""
# 取整计算增量(间隔)值
gap = len(arr) // 2
while gap > 0:
# 从增量值开始遍历比较
for i in range(gap, len(arr)):
j = i
element = arr[i]
# 元素与其他同列的前面每个元素比较,如果比前面小则互换
while j - gap > 0 and element < arr[j - gap]:
arr[j] = arr[j - gap]
arr[j - gap] = element
# j -= gap
# arr[j] = element
# 缩小增量(间隔)值
gap //= 2
return arr
五、归并排序
归并排序(MERGE-SORT)主要采用分治法(Divide and Conquer),归并排序适用于子序列有序的数据排序。
1. 过程图解
2. 算法思想
分治法(Divide-and-Conquer):将原问题划分成 n 个规模较小而结构与原问题相似的子问题;递归地解决这些问题,然后再合并其结果,就得到原问题的解。
- 使用递归将原数列采用二分法分成多个子数列
- 将两个子序列合并并返回
- 将所有子序列按2步骤合并并完成排序
3. 代码实现
def merge_sort(arr):
"""归并排序"""
if len(arr) == 1:
return arr
# 使用二分法将数列分为两个
mid = len(arr) // 2
left = arr[:mid]
right = arr[mid:]
# 使用递归运算
return marge(merge_sort(left), merge_sort(right))
def marge(left, right):
"""排序合并两个数列"""
result = []
# 两个数列都有值
while len(left) > 0 and len(right) > 0:
# 左右两个数列第一个最小放前面
if left[0] < right[0]:
result.append(left.pop(0))
else:
result.append(right.pop(0))
# 只有一个数列中还有值,直接添加
result += left
result += right
return result
六、快速排序
快排的实现方式多种多样,最简单易懂的是分治+迭代
1. 过程图解
一行代码实现快排:
quick_sort = lambda array: array if len(array) <= 1 else quick_sort([item for item in array[1:] if item <= array[0]]) + [array[0]] + quick_sort([item for item in array[1:] if item > array[0]])
2. 算法思想
- 在数列之中,选择一个元素作为”基准”(pivot),或者叫比较值。
- 数列中所有元素都和这个基准值进行比较,如果比基准值小就移到基准值的左边,如果比基准值大就移到基准值的右边
- 以基准值左右两边的子列作为新数列,不断重复第一步和第二步,直到所有子集只剩下一个元素为止。
举个例子,假设我现在有一个数列需要使用快排来排序:{3, 44, 38, 5, 47, 15, 36, 26, 27, 2, 46, 4, 19, 50, 48},我们来看看使用快排的详细步骤:
- 选取中间的26作为基准值(基准值可以随便选)
- 数列从第一个元素3开始和基准值26进行比较,小于基准值,那么将它放入左边的分区中,第二个元素44比基准值26大,把它放入右边的分区中,依次类推就得到下图中的第二列。
- 然后依次对左右两个分区进行再分区,得到下图中的第三列,依次往下,直到最后只有一个元素
- 分解完成再一层一层返回,返回规则是:左边分区+基准值+右边分区
3. 代码实现
def quick_sort(arr):
"""快速排序"""
if len(arr) < 2:
return arr
# 选取基准,任意挑选,这里选择中间的数
mid = arr[len(arr) // 2]
# 定义基准左右两侧数列
left, right = [], []
# 从原始数据中移除基准数值
arr.remove(mid)
for element in arr:
# 大于等于基准值放右边,小于放左边
if element >= mid:
right.append(element)
else:
left.append(element)
# 采用迭代的方式进行比较
return quick_sort(left) + [mid] + quick_sort(right)
最后大家如果感兴趣,想了解具体文章、代码和各个排序算法的性能比较可以关注
微信公众号:裸睡的猪
他的公众号文章链接:排序汇总
也可以移步我的GitHub
MangoloD