javaScript实现排序算法

本篇博客对js中常见的排序算法作了小结，方便日后的复习。主要为冒泡、选择、插入、快排、堆排、归并这六种排序方法

---

先贴一张时间复杂度

一、冒泡排序

1. 平均时间复杂度O(n²)
2. 双层for循环，两两比较相邻元素

function bubbleSort(arr) {
	let len = arr.length;
	for(let i = 0; i < len; i++) {
		for(let j = 0; j < len - 1 - i; j++) {
			if(arr[j] > arr[j + 1]) {
				// 可以使用tmp交换两个元素，也可以使用下面的es6解构赋值
				[arr[j], arr[j + 1]] = [arr[j + 1], arr[j]];
			}
		}
	}
	return arr;
}

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、选择排序

1. 最稳定的排序算法之一，因为无论什么数据进去都是O(n²)的时间复杂度
2. 从没有排序的数组中，选择最小的元素放在第一位；再从余下元素中选择最小的元素放在第二位，以此类推。
3. n个记录的直接选择排序可经过n-1趟直接选择排序得到有序结果

function selectSort(arr) {
	let len = arr.length;
	let minIndex, tmp;
	for(let i = 0; i < len - 1; i++) {
		minIndex = i;
		for(let j = i + 1; j < len; j++) {
			if(arr[j] < arr[minIndex]) {
				minIndex = j;
			}
		}
		// 将i位置放上最小的值
		tmp = arr[i];
		arr[i] = arr[minIndex];
		arr[minIndex] = tmp;
	}
	return arr;
}

3、插入排序

1. 默认第一个元素已经排好序了，i从1 开始，不断与前面元素比较，如果i小，则将i元素保存，从i-1开始不断往前移动

function insertSort(arr) {
	let len = arr.length;
	for(let i = 1; i < len; i++) {
		if(arr[i] < arr[i-1]) {
			let tmp = arr[i];
			let p = i - 1;
			while(p >= 0 && tmp < arr[p]) {
				arr[p+1] = arr[p];
				p--;
			}
			arr[p+1] = tmp;
		}
	}
}

4、快速排序

1. 在平均状况下，排序 n 个项目要 Ο(nlogn) 次比较。在最坏状况下则需要 Ο(n2) 次比较
2. 采用分而治之思想，选基准：在数据结构中选择一个元素作为基准(pivot
   划分区：参照基准元素值的大小，划分无序区，所有小于基准元素的数据放入一个区间，所有大于基准元素的数据放入另一区间，分区操作结束后，基准元素所处的位置就是最终排序后它应该所处的位置
   递归：对初次划分出来的两个无序区间，递归调用第 1步和第 2步的算法，直到所有无序区间都只剩下一个元素为止。

function quickSort(arr) {
	if(arr.length <= 1) return arr;
	let len = arr.length;
	let povitIndex = Math.floor(len / 2);
	let povit = arr[povitIndex];
	let left = [], right = [];
	for(let i = 0; i < len; i++) {
		if(i !== povitIndex) {
			if(arr[i] <= povit) {
				left.push(arr[i]);
			}else{
				right.push(arr[i]);
			}
		}
	}
	return quickSort(left).concat(povit,quickSort(right));

}

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。