Python中經典排序方法

  數據的排序是在解決實際問題時常常用到的步驟,也是數據結構的考點之一,下面介紹10種經典的排序方法。node

  首先,排序方法能夠大致分爲插入排序、選擇排序、交換排序、歸併排序和桶排序四大類,其中,插入排序又分爲直接插入排序、二分插入排序和希爾排序,選擇排序分爲直接選擇排序和堆排序,交換排序分爲冒泡排序和快速排序,桶排序以基數排序和計數排序爲表明。這些排序方法的時間複雜度和空間複雜度分別以下表所示。python

在這裏插入圖片描述
排序方法的穩定性是這樣定義的:在待排序序列中若是存在a[i]和a[j],a[i]=a[j]&&i<j,若是排序後仍然符合a[i]=a[j]&&i<j,即它們的先後相對位置關係沒有改變,該排序算法就是穩定的。算法

(1)直接插入排序數組

插入排序的基本思想是將數據插入合適的位置。以下所示序列[6,8,1,4,3,9,5,0],以升序排列爲例。數據結構

a.6<8,符合升序app

b. 8>1,不符合要求,改變1的位置。首先比較1和8,1更小,交換1和8的位置,序列成爲[6,1,8,4,3,9,5,0],而後繼續比較1和6,1更小,交換1和6的位置,序列成爲[1,6,8,4,3,9,5,0],注意此時前三個值已經符合升序的要求。dom

c. 8>4,不符合要求,改變4的位置,按照上面的方法,依次與前面的值比較,分別與8和6交換位置,當比較到1時,1<4,不用交換位置。此時序列成爲[1,4,6,8,3,9,5,0]函數

d.重複上滿的操做,直到整個序列遍歷完成。
在這裏插入圖片描述
所以,插入排序其實是保證遍歷過的序列是有序的,而後將下一個訪問到的值,經過比較和交換位置,插入到這個有序序列中,當全部的值都被訪問事後,整個序列就是有序的了。因此這種方法是穩定,空間複雜度爲O(1),最好的時間複雜度爲O(n),代碼以下ui

def insert_sort(arr):
    for i in range(len(arr)-1):
        if arr[i+1]<arr[i]:#若是arr[i+1]較小,將其插入到前面升序序列中
            for j in range(i+1,0,-1):
                if arr[j]<arr[j-1]:#依次將大於arr[i+1]的值向後移動,直到找到不大於arr[i+1]的值
                    arr[j-1],arr[j]=arr[j],arr[j-1]
                else:
                    break
    return arr

(2) 二分插入排序3d

二分插入排序的思想與直接插入排序相同,只是在將數據插入有序序列時,採用了二分查找的思想,即先於中間位置的值進行比較,以縮短查找的時間。代碼以下

def BinaryInsert_sort(arr):
    for i in range(1,len(arr)):
        if arr[i]<arr[i-1]:
            left,right=0,i-1
            while left<right:#最終right位置的值是有序序列中第一個不大於arr[i]的值
                mid=left+(right-left)//2
                if arr[i]<arr[mid]:#
                    right=mid
                else:
                    left=mid+1
            for j in range(i,right,-1):
                arr[j],arr[j-1]=arr[j-1],arr[j]
    return arr

(3) 希爾排序

希爾排序創建在直接插入排序的基礎上,假設序列長度爲n,先取一個小於n的整數d1,序列中全部距離爲d1的數據爲一組,以下圖中,以2爲i增量,1,4,5爲一組,8,3,0爲一組,1,9爲1組,而後在組內進行直接插入排序,而後取整數d2,d2<d1,重複上面的步驟,直到增量減小爲1。通常的初次取序列的一半爲增量,之後每次減半。這樣經過相隔增量的數,使得數移動時能跨過多個元素,加快速度。代碼以下
在這裏插入圖片描述

def Hill_sort(arr):
    d=len(arr)//2
    while(d>=1):
        for i in range(len(arr)//d):
            for j in range(i,len(arr)-d,d):
                if arr[j+d]<arr[j]:
                    for k in range(j+d,i,-d):
                        if arr[k]<arr[k-d]:
                            arr[k],arr[k-d]=arr[k-d],arr[k]
        d=d//2
    return arr

由於希爾排序跨距離訪問元素,所以不穩定。空間複雜度爲O(1),最好的時間複雜度爲O(n)。

(4) 直接選擇排序

選擇排序的思想是每次從無序的序列中選擇最大或最小的值,並與第一個位置的值交換。如序列l,若是是升序排列,第一次找出l的最小值與l[0]交換,第二次找出l[1:]最小的值,與l[2]交換,以此類推,代碼以下。

def select_sort(arr):
    for i in range(len(arr)-1):
        minnum=arr[i]
        m=i
        for j in range(i+1,len(arr)):
            if arr[j]<minnum:
                minnum=arr[j]
                m=j
        arr[i],arr[m]=arr[m],arr[i]
    return arr

直接選擇排序是穩定的,空間複雜度爲O(1),時間複雜度恆定爲O(n2),由於原序列是否有序不會影響選擇排序的步驟。

(5) 堆排序

堆排序用到了大頂堆和小頂堆的概念。大頂堆是父節點最大的二叉樹,即arr[i]>=arr[2*i+1]&&arr[i]>=arr[2*i-1];小頂堆是父節點的值最小的二叉樹,即arr[i]<=arr[2*i+1]&&arr[i]<=arr[2*i-1]。

以升序排序爲例,首先創建初始最大堆,以某個節點爲入口,向下調整其子節點,使其符合大頂堆的特色。創建初始大頂堆的過程會重複調整一些節點,是由於父節點和子節點的交換,會影響以子節點爲根節點的子樹,如圖中,[9,1,7]子樹原符合要求,6和9交換後,[6,1,7]不符合要求,就要再次調整該子樹。

初始大頂堆創建以後,將根節點的值置換到序列末尾,而後從新調整前面的序列,這時只從根節點向下調整便可,由於初始大頂堆已經造成,如圖中,即使交換了0和4的位置,父節點8也仍舊是最大的。

在這裏插入圖片描述

def heap_sort(arr):
    def adjust(arr,node,maxid):
        root=node
        while True:
            child=2*root+1
            if child>maxid:
                return 
            child=child+1 if arr[child+1]>arr[child] and child+1<maxid else child#child是兩個孩子中值較大的一個
            if arr[root]<arr[child]:
                arr[root],arr[child]=arr[child],arr[root]
                root=child
            else:
                return 
    first=len(arr)//2-1
    for node in range(first,-1,-1):
        adjust(arr,node,len(arr)-1)
    for maxid in range(len(arr)-1,0,-1):
        arr[0],arr[maxid]=arr[maxid],arr[0]
        adjust(arr,0,maxid-1)

堆排序不穩定,空間複雜度爲O(1),但時間複雜度恆定爲O(nlogn)。

(6) 冒泡排序

交換排序即經過交換元素位置,使序列有序。冒泡排序是最簡單的交換排序,每次將最大值/最小值依次交換到序列末尾。冒泡排序是穩定的,空間複雜度爲O(1),時間複雜度最好爲O(n)。

def bubble_sort(arr):
    for i in range(len(arr)-1):    # 這個循環負責設置冒泡排序進行的次數
        for j in range(len(arr)-i-1):  # j爲列表下標
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
    return arr

(7) 快速排序

快速排序能夠說是使用頻率和考察頻率最高的排序方法。快速排序的基本思想是以序列中的某個值爲標準,大於該值的被放在右邊,小於該值放在左邊,而後再繼續對該值左右兩兩邊的序列重複此步驟,思想很簡單,代碼以下。

import random
def quick_sort(arr,start,end):
    if end-start<=0: return 
    index=random.randrange(start,end+1)
    print(index)
    arr[end],arr[index]=arr[index],arr[end]
    small=start-1
    for i in range(start,end):
        if arr[i]<arr[end]:
            small+=1
            if small!=i:#若是small與i不相同,說明有大於arr[end]的值出現,small記錄的是分界線的位置
                arr[i],arr[small]=arr[small],arr[i]
    small+=1
    arr[end],arr[small]=arr[small],arr[end]
    print(arr)
    quick_sort(arr,start,small-1)
    quick_sort(arr,small+1,end)

對於python,有一種更加簡單明瞭的實現方式

def qsort(arr):
    if len(arr) <= 1: return arr
    return qsort([lt for lt in arr[1:] if lt < arr[0]]) + arr[0:1]+ qsort([ge for ge in arr[1:] if ge >= arr[0]])

快速排序並無建立新的數組,但因爲實現過程當中利用了函數的遞歸調用,須要堆棧空間,因此空間複雜度爲O(nlogn),時間複雜度最好爲O(nlogn)。

(8) 歸併排序

歸併排序採用分而治之的思想,將序列分爲多個小的序列,對小的序列排序以後,將小序列合併爲大的序列,過程以下圖所示。
在這裏插入圖片描述
代碼以下

def merge_sort(arr,start,end):
    def merging(l1,l2,lnew=[]):
        i,j=0,0
        while(i<len(l1) and j<len(l2)):
            if l1[i]<l2[j]:
                lnew.append(l1[i])
                i+=1
            else: 
                lnew.append(l2[j])
                j+=1
        if i<len(l1):
            for num in l1[i:]:
                lnew.append(num)
        if j<len(l2):
            for num in l2[j:]:
                lnew.append(num)
        return lnew
    if end-start>1:#分
        mid=start+(end-start)//2
        merge_sort(arr,start,mid)
        merge_sort(arr,mid,end)
        arr[start:end]=merging(arr[start:mid],arr[mid:end],[])#治
    return arr

歸併排序須要新的數組存放合併後的序列,空間複雜度爲O(n),時間複雜度恆定爲O(nlogn),是穩定的。

(9) 計數排序

桶排序其實是一類排序方法的總稱。桶排序的思想是將全部數據按照必定的映射關係放到必定數量的桶中,將每一個桶裏的數據排序,再將全部的桶組合起來,因此不一樣的映射關係下能夠產生不一樣的桶排序,而且桶排序是基於其餘排序算法的,桶內數據的排序須要使用其餘排序算法。計數排序和基數排序是桶排序的兩種表明。

計數排序是採用的映射關係是最直接的f[i]=i,即一個桶裏的數字都是相同的,所以沒有桶內排序的步驟。具體過程爲,

1.找出待排序的數組中最大和最小的元素
2.統計數組中每一個值爲i的元素出現的次數,存入數組C的第i項,這時映射的過程
3.對全部的計數累加,C[i]的含義便是在數組中小於i的元素個數,即爲排序後i應放的位置
4.反向填充目標數組:將每一個元素i放在新數組的第C(i)項,每放一個 元素就將C(i)減去1。

代碼以下

def count_sort(arr):
    crr=[]
    m=max(arr)+1
    ll=len(arr)
    ans=[]
    for i in range(ll):#用於存放排序後的數組
        ans.append(None)
    for i in range(m):#桶
        crr.append(0)
    for num in arr:#映射的過程,計數
        crr[num]+=1
    for i in range(1,m):#計數累加
        crr[i]=crr[i-1]+crr[i]
    for num in arr:#反向填充數組
        ans[crr[num]-1]=num
        crr[num]-=1
    return ans

(10) 基數排序

基數排序的映射方法是按照數據特定位上數字放入不一樣的桶中, 將序列中的數組按照個位放到不一樣的桶中,而後按照個位0~9的順序依次取出,再按照十位放到不一樣的桶中,…….直到達到數據的最高位,最後一次將數據取出時,排序完成,例如:
在這裏插入圖片描述
實現代碼

def radix_sort(arr):
    def compare(basis,arr):#以數組basis爲依據的插入排序
        for i in range(1,len(basis)):
            if basis[i]<basis[i-1]:
                for j in range(i,0,-1):
                    if basis[j-1]>basis[j]:
                        basis[j],basis[j-1]=basis[j-1],basis[j]
                        arr[j],arr[j-1]=arr[j-1],arr[j]
                    else:
                        break
    upnum=max(arr)
    tmp=1
    while(tmp<upnum):
        basis=[num//tmp%10 for num in arr]
        compare(basis,arr)
        tmp*=10
    return arr

注意基數排序在桶內排序時,必定要採用穩定的排序方法,這樣才能夠利用以前的排序結果,不然以前的排序是無心義的。

相關文章
相關標籤/搜索