数据结构和算法学习笔记20200615

#数据结构和算法学习笔记20200615
##归并排序
和快速排序意义，化大问题为小问题，分治原则
1、把大数组拆分成小数组（想象图）

 			[1,7,4,2,6,3,5]
 		[1, 7, 4] [2, 6, 3, 5]
 	[1] [7, 4] [2, 6] [3, 5]
 [1] [7] [4] [2] [6] [3] [5]
 	[1] [4, 7] [2, 6] [3, 5]
 		[1, 4, 7] [2, 3, 5, 6]
 			[1, 2, 3, 4, 5, 6, 7]

2、对每个小数组进行合并，合并的时候再排序
3、递归对合并后的数组又再次合并排序，最终合并成原来的大数组，此时已经排好序

时间复杂度：先把大列表分成长度为1的列表和合并，都需要logn次，每次需要对其（虽然分组了，但实际上每组都要排序，也就是对n长数组进行合并排序）排序，每次需要n次，所以时间复杂度为O（nlogn）
空间复杂度：每次合并时需要开辟新数组O（n）

# -*- coding:utf-8 -*-
#mergesort
def mergesort(a):
	if len(a) < 2 : #分成长度为1时直接返回
		return a
	else:
		mid = int(len(a)/2#对半分割成两个数组
		a1 = [:mid]
		a2 = [mid:]
		return (merge(mergesort(a1),mergesort(a2))#每次写递归的返回表示我都想不明白，递归这块太烧脑了，要特别注意

def merge(b,c):#即将问题简化成对两个有序数组，合并排序成一个数组，这个算法经常用，前提是待排序的两个数组是有序的
	i,j = 0,0
	a = []
	while i < len(b) and j < len(c):
		if b[i] < c[j]:
			a.append(b[i])
			i += 1
		else: 
			a.append(c[j])
			j += 1
		if i < len(b): #可能一个数组循环完后，另一个数组没有循环完，将剩下的数组的全部元素加上
			a += b[i:]
		elif j < len(c):
			a += c[j:]
	return a