排序算法——选择排序法

选择排序算法概述

选择排序（Selection Sort）是一种简单直观的排序算法。它的基本思想是：在要排序的一组数中，选出最小（或最大）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（或最大）的与第二个位置的数交换，依次类推，直到第n-1个元素（倒数第二个数）和第n个元素（最后一个数）比较为止。所有过程都是从前向后依次找到最小（或最大）元素，而交换是跳跃式的。

选择排序算法步骤

初始化： 在未排序序列中找到最小（或最大）元素，存放到排序序列的起始位置。
查找与交换： 再从剩余未排序元素中继续寻找最小（或最大）元素，然后放到已排序序列的末尾。
重复： 重复第二步，直到所有元素均排序完毕。

算法特点

稳定性： 选择排序是不稳定的排序方法（意味着两个相等的数可能在排序后的序列中改变它们的相对位置）。
时间复杂度： 选择排序的时间复杂度为O(n^2)。
空间复杂度： 选择排序是原地排序，只需要用到O(1)的额外空间（仅用于几个变量，如minIndex）。
适用性： 尽管选择排序在效率上不是最优的，但它实现简单，对于小规模数据或基本有序的数据效率尚可。

例子：为五名学生的期末考试成绩排序

def choose(data):             #自定义一个选择排序法函数
    for i in range(4):        #遍历新数据
        for j in range(i+1,5):#遍历新数据
            if data[j]>data[i]:                 #如果数据大于原来的数据
                data[i],data[j]=data[j],data[i]#需要交换位置
        print('第 %d 次排序之后的结果是'%(i+1),end='')#提示
        for j in range(5):                      #遍历每次排序的结果
            print('%6d'%data[j],end='')        #输出结果
        print()                                  #输出空行


data=[420,434,421,539,555]                    #创建数列并初始化
print("各个学生成绩如下：")                     #提示
for i in range(5):                             #遍历原有数据
    print('%6d'%data[i],end='')               #输出结果
print('\n---------------------------')       #输出分界符
choose(data)                                   #调用选择排序法函数
print('\n---------------------------')       #输出分界符
print("从高到低排名之后的成绩如下：")           #提示
for i in range(5):                             #遍历排序好的新数列的数据
    print('%6d'%data[i],end='')               #输出结果
print('')                                       #输出空行

运行结果：

代码解析

choose 函数实现了选择排序算法，排序逻辑是按照从大到小的顺序进行排序的。

算法步骤

外层循环： 从第一个元素开始，直到倒数第二个元素（因为最后一个元素自然处于排序状态）。i 表示当前正在比较的元素的位置。
内层循环： 从 i+1 开始到最后一个元素，即遍历未排序的部分。比较当前元素 data[i] 与 data[j]（其中 j 从 i+1 到最后一个元素的索引）。
比较与交换： 如果 data[j] 大于 data[i]，则交换这两个元素的位置。这样，data[i] 左侧（包括 data[i]）的元素就都是当前遍历过的元素中最大的。
输出当前状态： 每完成一轮排序（即内层循环完成一次），就输出当前数组的状态，以便观察排序过程。
重复： 继续外层循环，直到整个数组排序完成。

注意

• 这段代码中的排序是从大到小的，因为比较条件是 if data[j] > data[i]。
• 排序过程中，数组是原地排序，即不需要额外的存储空间来存储排序结果。
• 输出部分帮助理解排序的逐步过程，但在实际应用中可能不需要。

结论

• 选择排序虽然效率不是最高，但由于其实现简单，因此在某些情况下仍然很有用。
• 然而，在处理大数据集时，更高效的排序算法（如快速排序、归并排序等）通常是更好的选择。