全面讲解十大经典排序算法（Python实现）
作者 | hustcc
链接 | https://github.com/hustcc/JS-Sorting-Algorith
-
平方阶 (O(n2)) 排序 各类简单排序：直接插入、直接选择和冒泡排序。 -
线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序； -
O(n1+§)) 排序，§ 是介于 0 和 1 之间的常数。希尔排序 -
线性阶 (O(n)) 排序 基数排序，此外还有桶、箱排序。
-
排序后 2 个相等键值的顺序和排序之前它们的顺序相同 -
稳定的排序算法：冒泡排序、插入排序、归并排序和基数排序。 -
不是稳定的排序算法：选择排序、快速排序、希尔排序、堆排序。
1、冒泡排序
（1）算法步骤
-
比较相邻的元素。如果第一个比第二个大，就交换他们两个。 -
对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。 -
针对所有的元素重复以上的步骤，除了最后一个。 -
持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。
def bubbleSort(arr):
for i in range(1, len(arr)):
for j in range(0, len(arr)-i):
if arr[j] > arr[j+1]:
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr
2、选择排序
（1）算法步骤
-
首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置 -
再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。 -
重复第二步，直到所有元素均排序完毕。
def selectionSort(arr):
for i in range(len(arr) - 1):
# 记录最小数的索引
minIndex = i
for j in range(i + 1, len(arr)):
if arr[j] < arr[minIndex]:
minIndex = j
# i 不是最小数时，将 i 和最小数进行交换
if i != minIndex:
arr[i], arr[minIndex] = arr[minIndex], arr[i]
return arr
3、插入排序
（1）算法步骤
-
将第一待排序序列第一个元素看做一个有序序列，把第二个元素到最后一个元素当成是未排序序列。 -
从头到尾依次扫描未排序序列，将扫描到的每个元素插入有序序列的适当位置。（如果待插入的元素与有序序列中的某个元素相等，则将待插入元素插入到相等元素的后面。）
def insertionSort(arr):
for i in range(len(arr)):
preIndex = i-1
current = arr[i]
while preIndex >= 0 and arr[preIndex] > current:
arr[preIndex+1] = arr[preIndex]
preIndex-=1
arr[preIndex+1] = current
return arr
4、希尔排序
-
插入排序在对几乎已经排好序的数据操作时，效率高，即可以达到线性排序的效率； -
但插入排序一般来说是低效的，因为插入排序每次只能将数据移动一位；
（1）算法步骤
-
选择一个增量序列 t1，t2，……，tk，其中 ti > tj, tk = 1； -
按增量序列个数 k，对序列进行 k 趟排序； -
每趟排序，根据对应的增量 ti，将待排序列分割成若干长度为 m 的子序列，分别对各子表进行直接插入排序。仅增量因子为 1 时，整个序列作为一个表来处理，表长度即为整个序列的长度。
def shellSort(arr):
import math
gap=1
while(gap < len(arr)/3):
gap = gap*3+1
while gap > 0:
for i in range(gap,len(arr)):
temp = arr[i]
j = i-gap
while j >=0 and arr[j] > temp:
arr[j+gap]=arr[j]
j-=gap
arr[j+gap] = temp
gap = math.floor(gap/3)
return arr
}
5、归并排序
-
自上而下的递归（所有递归的方法都可以用迭代重写，所以就有了第 2 种方法） -
自下而上的迭代
（1）算法步骤
-
申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列； -
设定两个指针，最初位置分别为两个已经排序序列的起始位置； -
比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置； -
重复步骤 3 直到某一指针达到序列尾； -
将另一序列剩下的所有元素直接复制到合并序列尾。
def mergeSort(arr):
import math
if(len(arr)<2):
return arr
middle = math.floor(len(arr)/2)
left, right = arr[0:middle], arr[middle:]
return merge(mergeSort(left), mergeSort(right))
def merge(left,right):
result = []
while left and right:
if left[0] <= right[0]:
result.append(left.pop(0));
else:
result.append(right.pop(0));
while left:
result.append(left.pop(0));
while right:
result.append(right.pop(0));
return result
6、快速排序
快速排序的最坏运行情况是 O(n²)，比如说顺序数列的快排。但它的平摊期望时间是 O(nlogn)，且 O(nlogn) 记号中隐含的常数因子很小，比复杂度稳定等于 O(nlogn) 的归并排序要小很多。所以，对绝大多数顺序性较弱的随机数列而言，快速排序总是优于归并排序。
（1）算法步骤
-
从数列中挑出一个元素，称为 “基准”（pivot）; -
重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作； -
递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序；
def quickSort(arr, left=None, right=None):
left = 0 if not isinstance(left,(int, float)) else left
right = len(arr)-1 if not isinstance(right,(int, float)) else right
if left < right:
partitionIndex = partition(arr, left, right)
quickSort(arr, left, partitionIndex-1)
quickSort(arr, partitionIndex+1, right)
return arr
def partition(arr, left, right):
pivot = left
index = pivot+1
i = index
while i <= right:
if arr[i] < arr[pivot]:
swap(arr, i, index)
index+=1
i+=1
swap(arr,pivot,index-1)
return index-1
def swap(arr, i, j):
arr[i], arr[j] = arr[j], arr[i]
7、堆排序
-
大顶堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列； -
小顶堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列；
（1）算法步骤
-
创建一个堆 H[0……n-1]； -
把堆首（最大值）和堆尾互换； -
把堆的尺寸缩小 1，并调用 shift_down(0)，目的是把新的数组顶端数据调整到相应位置； -
重复步骤 2，直到堆的尺寸为 1。
def buildMaxHeap(arr):
import math
for i in range(math.floor(len(arr)/2),-1,-1):
heapify(arr,i)
def heapify(arr, i):
left = 2*i+1
right = 2*i+2
largest = i
if left < arrLen and arr[left] > arr[largest]:
largest = left
if right < arrLen and arr[right] > arr[largest]:
largest = right
if largest != i:
swap(arr, i, largest)
heapify(arr, largest)
def swap(arr, i, j):
arr[i], arr[j] = arr[j], arr[i]
def heapSort(arr):
global arrLen
arrLen = len(arr)
buildMaxHeap(arr)
for i in range(len(arr)-1,0,-1):
swap(arr,0,i)
arrLen -=1
heapify(arr, 0)
return arr
8、计数排序
def countingSort(arr, maxValue):
bucketLen = maxValue+1
bucket = [0]*bucketLen
sortedIndex =0
arrLen = len(arr)
for i in range(arrLen):
if not bucket[arr[i]]:
bucket[arr[i]]=0
bucket[arr[i]]+=1
for j in range(bucketLen):
while bucket[j]>0:
arr[sortedIndex] = j
sortedIndex+=1
bucket[j]-=1
return arr
9、桶排序
-
在额外空间充足的情况下，尽量增大桶的数量 -
使用的映射函数能够将输入的 N 个数据均匀的分配到 K 个桶中
def bucket_sort(s):
"""桶排序"""
min_num = min(s)
max_num = max(s)
# 桶的大小
bucket_range = (max_num-min_num) / len(s)
# 桶数组
count_list = [ [] for i in range(len(s) + 1)]
# 向桶数组填数
for i in s:
count_list[int((i-min_num)//bucket_range)].append(i)
s.clear()
# 回填，这里桶内部排序直接调用了sorted
for i in count_list:
for j in sorted(i):
s.append(j)
if __name__ == __main__ :
a = [3.2,6,8,4,2,6,7,3]
bucket_sort(a)
print(a) # [2, 3, 3.2, 4, 6, 6, 7, 8]
10、基数排序
基数排序 vs 计数排序 vs 桶排序
-
基数排序：根据键值的每位数字来分配桶； -
计数排序：每个桶只存储单一键值； -
桶排序：每个桶存储一定范围的数值；
def RadixSort(list):
i = 0 #初始为个位排序
n = 1 #最小的位数置为1（包含0）
max_num = max(list) #得到带排序数组中最大数
while max_num > 10**n: #得到最大数是几位数
n += 1
while i < n:
bucket = {} #用字典构建桶
for x in range(10):
bucket.setdefault(x, []) #将每个桶置空
for x in list: #对每一位进行排序
radix =int((x / (10**i)) % 10) #得到每位的基数
bucket[radix].append(x) #将对应的数组元素加入到相 #应位基数的桶中
j = 0
for k in range(10):
if len(bucket[k]) != 0: #若桶不为空
for y in bucket[k]: #将该桶中每个元素
list[j] = y #放回到数组中
j += 1
i += 1
return list
—完— 为您推荐