python的排序算法大汇总「附一套python资料视频

Posted 2021-12-24 梦子mengy7762

用 python 实现各种排序算法

总结了一下常见集中排序的算法

归并排序

归并排序也称合并排序，是分治法的典型应用。分治思想是将每个问题分解成个个小问题，将每个小问题解决，然后合并。

具体的归并排序就是，将一组无序数按n/2递归分解成只有一个元素的子项，一个元素就是已经排好序的了。然后将这些有序的子元素进行合并。

合并的过程就是 对 两个已经排好序的子序列，先选取两个子序列中最小的元素进行比较，选取两个元素中最小的那个子序列并将其从子序列中

去掉添加到最终的结果集中，直到两个子序列归并完成。

代码如下：

#!/usr/bin/python import sys def merge(nums, first, middle, last): ‘’’’’ merge ‘’’

切片边界,左闭右开并且是了0为开始

lnums = nums[first:middle+1]
rnums = nums[middle+1:last+1]
lnums.append(sys.maxint)
rnums.append(sys.maxint) l = 0
r = 0 for i in range(first, last+1):
if lnums[l] < rnums[r]: nums[i] = lnums[l] l+=1
else: nums[i] = rnums[r] r+=1
def merge_sort(nums, first, last): ‘’’
‘’ merge sort merge_sort函数中传递的是下标，不是元素个数 ‘’’
if first < last: middle = (first + last)/2
merge_sort(nums, first, middle)
merge_sort(nums, middle+1, last)
merge(nums, first, middle,last)
if name == ‘main’: nums = [10,8,4,-1,2,6,7,3]
print ‘nums is:’,
nums merge_sort(nums, 0, 7)
print ‘merge sort:’, nums

稳定，时间复杂度 O(nlog n)

插入排序

代码如下：

#!/usr/bin/python importsys definsert_sort(a): ‘’’’’ 插入排序 有一个已经有序的数据序列，要求在这个已经排好的数据序列中插入一个数， 但要求插入后此数据序列仍然有序。刚开始 一个元素显然有序，然后插入一 个元素到适当位置，然后再插入第三个元素，依次类推 ‘’’ a_len = len(a) if a_len = 0 and a[j] > key: a[j+1] = a[j] j-=1 a[j+1] = key return a if name == ‘main’: nums = [10,8,4,-1,2,6,7,3]
print ‘nums is:’, nums insert_sort(nums) print ‘insert sort:’, nums

稳定，时间复杂度 O(n^2)

交换两个元素的值python中你可以这么写：a, b = b, a，其实这是因为赋值符号的左右两边都是元组

（这里需要强调的是，在python中，元组其实是由逗号“,”来界定的，而不是括号）。

选择排序

选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理如下。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，然后，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。以此类推，直到所

有元素均排序完毕。

import sys def select_sort(a): ‘’’’’ 选择排序 每一趟从待排序的数据元素中选出最小（或最大）的一个元素， 顺序放在已排好序的数列的最后，直到全部待排序的数据元素排完。 选择排序是不稳定的排序方法。 ‘’’ a_len=len(a) for i in range(a_len):
#在0-n-1上依次选择相应大小的元素 min_index = i
#记录最小元素的下标 for j in range(i+1, a_len):
#查找最小值 if(a[j]<a[min_index]): min_index=j if min_index != i:
#找到最小元素进行交换 a[i],a[min_index] = a[min_index],a[i] if name == ‘main’: A = [10, -3, 5, 7, 1, 3, 7] print ‘Before sort:’,A select_sort(A) print ‘After sort:’,A

不稳定，时间复杂度 O(n^2)

希尔排序

希尔排序，也称递减增量排序算法,希尔排序是非稳定排序算法。该方法又称缩小增量排序，因DL．Shell于1959年提出而得名。

先取一个小于n的整数d1作为第一个增量，把文件的全部记录分成d1个组。所有距离为d1的倍数的记录放在同一个组中。先在各组内进行排序；

然后，取第二个增量d2

import sys def shell_sort(a): ‘’’’’ shell排序 ‘’’ a_len=len(a) gap=a_len/2
#增量 while gap>0: for i in range(a_len):
#对同一个组进行选择排序 m=i j=i+1 while j<a_len: if a[j]<a[m]: m=j j+=gap
#j增加gap if m!=i: a[m],
a[i]=a[i],
a[m] gap/=2 if name == ‘main’:
A = [10, -3, 5, 7, 1, 3, 7]
print ‘Before sort:’,A shell_sort(A)
print ‘After sort:’,A

不稳定，时间复杂度 平均时间 O(nlogn) 最差时间O(n^s)1

堆排序 ( Heap Sort )

“堆”的定义：在起始索引为 0 的“堆”中：

节点 i 的右子节点在位置 2 * i + 24) 节点 i 的父节点在位置 floor( (i – 1) / 2 ) : 注 floor 表示“取整”操作

堆的特性：

每个节点的键值一定总是大于（或小于）它的父节点

“最大堆”：

“堆”的根节点保存的是键值最大的节点。即“堆”中每个节点的键值都总是大于它的子节点。

上移，下移 ：

当某节点的键值大于它的父节点时，这时我们就要进行“上移”操作，即我们把该节点移动到它的父节点的位置，而让它的父节点到它的位置上，然后我们继续判断该节点，直到该节点不再大于它的父节点为止才停止“上移”。

现在我们再来了解一下“下移”操作。当我们把某节点的键值改小了之后，我们就要对其进行“下移”操作。

方法：

我们首先建立一个最大堆(时间复杂度O(n))，然后每次我们只需要把根节点与最后一个位置的节点交换，然后把最后一个位置排除之外，然后把交换后根节点的堆进行调整(时间复杂度 O(lgn) )，即对根节点进行“下移”操作即可。 堆排序的总的时间复杂度为O(nlgn).

代码如下：

#!/usr/bin env python

数组编号从 0开始 def left(i):

return 2i +1 def right(i):
return 2i+2
#保持最大堆性质 使以i为根的子树成为最大堆
def max_heapify(A, i, heap_size):
if heap_size <= 0:
return l = left(i)
r = right(i) largest = i

选出子节点中较大的节点

if l A[largest]: largest = l if r A[largest]:
largest = r if i != largest :
#说明当前节点不是最大的，下移 A[i],
A[largest] = A[largest], A[i]
#交换 max_heapify(A, largest, heap_size)
#继续追踪下移的点
#print A

建堆 def bulid_max_heap(A): heap_size = len(A)

if heap_size >1: node = heap_size/2 -1 while node >= 0: max_heapify(A, node, heap_size) node -=1

堆排序 下标从0开始

def heap_sort(A): bulid_max_heap(A)
heap_size = len(A) i = heap_size - 1
while i > 0 : A[0],A[i] = A[i], A[0]

堆中的最大值存入数组适当的位置，并且进行交换

heap_size -=1

heap 大小 递减 1 i -= 1

存放堆中最大值的下标递减 1

max_heapify(A, 0, heap_size)
if name == ‘main’ :
A = [10, -3, 5, 7, 1, 3, 7]
print ‘Before sort:’,
A heap_sort(A)
print ‘After sort:’,A

不稳定，时间复杂度 O(nlog n)

快速排序

快速排序算法和合并排序算法一样，也是基于分治模式。对子数组A[p…r]快速排序的分治过程的三个步骤为：

分解：把数组A[p…r]分为A[p…q-1]与A[q+1…r]两部分，其中A[p…q-1]中的每个元素都小于等于A[q]而A[q+1…r]中的每个元素都大于等于A[q]；

解决：通过递归调用快速排序，对子数组A[p…q-1]和A[q+1…r]进行排序；

合并：因为两个子数组是就地排序的，所以不需要额外的操作。

对于划分partition 每一轮迭代的开始，x=A[r], 对于任何数组下标k，有：

1. 如果p≤k≤i，则A[k]≤x。

2. 如果i+1≤k≤j-1，则A[k]>x。

3. 如果k=r，则A[k]=x。

代码如下：

#!/usr/bin/env python

快速排序 ‘’’’‘划分 使满足 以A[r]为基准对数组进行一个划分，比A[r]小的放在左边， 比A[r]大的放在右边快速排序的分治partition过程有两种方法，一种是上面所述的两个指针索引一前一后逐步向后扫描的方法,另一种方法是两个指针从首位向中间扫描的方法。’’’

#p,r 是数组A的下标 def partition1(A, p ,r): ‘’’’’ 方法一，两个指针索引一前一后逐步向后扫描的方法 ‘’’ x = A[r] i = p-1 j = p while j < r: if A[j] < x: i +=1 A[i], A[j] = A[j], A[i] j += 1 A[i+1], A[r] = A[r], A[i+1] return i+1 def partition2(A, p, r): ‘’’’’ 两个指针从首尾向中间扫描的方法 ‘’’ i = p j = r x = A[p] while i = x and i < j: j -=1 A[i] = A[j] while A[i]<=x and i < j: i +=1 A[j] = A[i] A[i] = x return i

quick sort def quick_sort(A, p, r): ‘’’’’ 快速排序的最差时间复杂度为O(n2)，平时时间复杂度为O(nlgn) ‘’’ if p < r: q = partition2(A, p, r) quick_sort(A, p, q-1) quick_sort(A, q+1, r) if name == ‘main’: A = [5,-4,6,3,7,11,1,2]

print ‘Before sort:’,A quick_sort(A, 0, 7)
print ‘After sort:’,A

不稳定，时间复杂度 最理想 O(nlogn)最差时间O(n^2)

说下python中的序列：

列表、元组和字符串都是序列，但是序列是什么，它们为什么如此特别呢？序列的两个主要特点是索引操作符和切片操作符。索引操作符让我们可以从序列中抓取一个特定项目。切片操作符让我们能够获取序列的一个切片，即一部分序列,如：a = [‘aa’,’bb’,’cc’], print a[0] 为索引操作，print a[0:2]为切片操作。

(代码排版乱了 我就直接截图了 我就不去排了 哈哈 ：

免费分享一套python资料视频+电子书+部分项目案例。

需要的伙伴关注+私信 “资料” 发你获取链接！