python递归算法的时间复杂度分析_python经典算法及可视化分析复杂度

排序算法在算法界是一个怎么样的存在？就好像在学术界中数学的地位，说直接用好像用不上，可是不会做起事情来总会捉襟见肘，左支右绌。找工作的时候，有的面试官甚至会让我们手写排序算法。既然排序算法如此重要，就让我们一起去夯实基础，切切实实得掌握它吧。

前言

先讲两个重要的概念。

1.所谓稳定排序就是指数组中相等的元素在排序过后前后顺序不变。

2.排序算法的平均复杂度是有下限的，为nlog(n)。所以大家不要再想着能发明什么牛逼的算法可以达到线性增长的。至于这个定理的证明，比较复杂，我会在下篇文章中专门讲述。

二分查找法

def binary_search(l, item):

low = 0

high = len(l)-1

while low <= high:

mid = (low + high)//2

mid_data = l[mid]

if mid_data > item:

high = mid - 1

elif mid_data < item:

low = mid + 1

else:

return mid

return None

L = [2, 6, 4 ,5, 7]

index = binary_search(L, 9)

冒泡算法

运动前总要热身，防止拉伤，深入研究排序算法前，先给大家介绍一个最常见，算法思想最简单最粗暴的排序算法——冒泡排序。

重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

def bubble_sort(l):

length = len(l)

for i in range(1, length):

for j in range(0, length-i):

if l[j] > l[j+1]:

l[j], l[j+1] = l[j+1], l[j]

return l

print(bubble_sort([2, 4, 1, 4]))

image.png

对该算法进行复杂性分析。我首先取了100个数组，数组规模从1到1000个元素均匀递增，数组中每个数的大小在(1,10000)，得到下图。横坐标是排序的数组规模大小，纵坐标是排序所用时间，单位为秒。以后的图纵横坐标都是如此。

image.png

能够看出来，随着数组元素规模越来越大，所耗费时间呈现螺旋式上升的趋势。不过波动较大，我们也看不太清楚它是个怎么样的曲线。为此我扩大了样本规模，请看下图。

image.png

从这张图中我们可以很清晰明了的看出，这是个二次曲线。这也符合实际情况，冒泡排序的算法复杂度是数组规模的平方。

冒泡排序可以说是最经典的，最稳定的一个算法，上算法课的同学们一定会接触它。因为它似乎是一把打开算法大门的钥匙，有了它，我们开始知道何为算法。但是，在实际应用中，我们并不用它。

插入排序

大家都有一个经验，打扑克的时候，我们都喜欢按大小顺序来