''' 归并排序原理:对于给定的一组数据,首先将要排序长度为n的列表或者数组折中分成两个子列表或者数组长度分别为(n/2), 第二次则分别将子序列分成总共4个子序列 每个子序列长度为(n/2/2) 以此继续分下去,直到子序列只剩下1个元素不能再分而停止. 最后将其两两归并,反复执行此过程,直到得到一个有序序列为止。 例如数组:{38,65,97,76,13,27},具体排序过程如下: 拆分 第1次:[38 65 97] [76 13 27] 第2次:[38 65] [97] [76 13] [27] 第3次:[38] [65] [97] [76] [13] [27] 合并 第1次:[38 65] [97] [13 76] [27] 第2次:[38 65 97] [13 27 76] 第3次:[13 27 38 65 76 97] ''' #实现代码 def merge(left,right): result=[] i=j=0 while j < len(left) and i < len(right): if left[j] < right[i]: result.append(left[j]) j+= 1 else: result.append(right[i]) i+= 1 if j == len(left): for i in right[i:]: result.append(i) else: for i in left[j:]: result.append(i) return result def merge_sort(arrays): if len(arrays) <= 1: return arrays middle = len(arrays)//2 left = merge_sort(arrays[:middle]) right = merge_sort(arrays[middle:]) return merge(left, right) if __name__ == '__main__': arrays = [38, 65, 97, 76, 13, 27] print("排序前:" + str(arrays)) print("排序后:" + str(merge_sort(arrays)))
看一下执行结果:
时间复杂度:归并排序由于运用了二叉树的策略所以在分策略上是logn的时间复杂度,每一层都必须比较所以n个元素, 总共有n层所以最后的时间复杂度是O(nlogn)
空间复杂度:过程开辟了长度为n的临时空间 所以空间复杂度是O(n)