排序

排序算法的稳定性：一个稳定的排序算法，如果两个等值键R和S在排序前后次序不变，称其是稳定的

 例如排序之前的序列为：(4, 1) (3, 1) (3, 7)（5, 6）

(3, 1) (3, 7) (4, 1) (5, 6) 维持次序，稳定

(3, 7) (3, 1) (4, 1) (5, 6)  次序被改变，不稳定

 

 

 

 

1.冒泡排序

两两相邻记录的关键字，如果反序就交换，直到没有反序的记录为止。

#  直觉的写法，但实际不能算冒泡
def bubble_sort(alist):
    for i in range(len(alist)-1):   # 从第一个元素到倒数第二个元素
        for j in range(i+1, len(alist)):   # 如果a[i]比后面的元素更大，交换 
            if alist[i] > alist[j]:
                alist[i], alist[j] = alist[j], aslit[i]

因为实际上每次固定的a[i]会和后面的所有元素都比较一遍，并不是冒泡中的比较两两相邻的关键字。

两两是相邻元素；如果有n个元素那就要比较n-1轮，每一轮都减少一次比较；从下往上两两比较，就像泡泡往上冒一样。

# 升序
def bubble_sort(alist):
    n = len(alist)
    for i in range(n-1):   # 当前轮从a[i]开始，两两相邻比较，最后一轮从a[n-2]开始。a[:i]已经有序
        for j in range(n-1, i, -1):   # 从下向上冒
            if alist[j] < alist[j-1]:  # 如果后一个元素比前一个小，就交换
                alist[j], alist[j-1] = alist[j-1], alist[j]

 做一点优化

def bubble_sort_pro(alist):
    n = len(alist)
    for i in range(n-1):
        count = 0
        for j in range(n-1, i, -1):
            if alist[j] < alist[j-1]:
                alist[j], alist[j-1] = alist[j-1], alist[j]
                count += 1
        if count == 0:  # 如果某一轮没有进行任何交换，说明整个数组已经有序了
            return 

　　

 

2.选择排序

通过n-i次关键字之间的比较，从n-i+1个记录中选出关键字最小的记录，并和第i个记录交换。1<=i<=n。

　　在未排序序列中找到最小（大）元素，放到已排序序列起始位置（一次交换）；

　　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（一次交换）；

　　以此类推，直到所有元素均排序完毕

选择排序的优点在于数据移动的操作：如果某个元素位于正确的最终位置上，它就不会被移动。所以至多需要交换 n-1 次（因为第一次就直接认为第一个元素是最小（大））。操作的是无序的那部分。

def selection_sort(alist):
    n = len(alist)
    for i in range(n-1):  # 要找 n-1 轮最值，第一个首先认为是个最小（大）值
        min_index = i   # 记录当前的最小（大）位置
        for j in range(i+1, n):  # 遍历剩下无序部分的元素，找出最小的，再交换
            if alist[j] < alist[min_index]:
                min_index = j
        if min_index != i:
            alist[i], alist[min_index] = alist[min_index], alist[i]

 

 

3.直接插入排序

简单排序中性能最好的。将一个记录插入到一个已经排好序的有序表中。

通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。所以过程中需反复把已经排序的元素向后挪。

操作的是有序的那部分。

def insert_sort(alist):
    n = len(alist)
    for i in range(1, n):
        for j in range(i, 0, -1):  # 待插入元素为a[i]，有序序列为a[:i]
            if alist[j] < alist[j-1]:
                alist[j], alist[j-1] = alist[j-1], alist[j]   # a[i]从后往前比较，找到插入位置。就相当于一直交换。

优化

def insert_sort_pro(alist):
    n = len(alist)
    for i in range(1, n):
        j = i
        while j > 0:
            # 寻找插入位置，只要没到位置，一直交换，最终插入
            if alist[j] < alist[j-1]:
                alist[j], alist[j-1] = alist[j-1], alist[j]
                j -= 1
            else:  # 如果找到要插入的位置了就不用往前再看了，避免了多余的循环
                break

 

 

4.希尔排序

时间复杂度降到O(nlogn)，对直接插入排序进行修改。

把记录按下标的一定增量（gap）分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个记录恰被分成一组，算法终止。

例如下图就是第一轮分了5组，第二轮分了2组

# 按gap进行插入排序
def shell_sort(alist):
    n = len(alist)
    gap = n // 2
    while gap > 0:
        for i in range(gap, n):  # 从 0+gap 开始往后找元素往有序序列中插入，一直找到最后
            j = i 
            while j >= gap and alist[j] < alist[j-gap]:  # 每个子序列的j元素的前一个元素不再是j-1而是j-gap，因为要在a[j]属于的分组里做插入排序
                alist[j-gap], alist[j] = alist[j], alist[j-gap]
                j -= gap
        gap //= 2  # 新步长

 

def shell_sort(alist):
    n = len(alist)
    gap = n // 2
    while gap > 0:
        for i in range(gap, n):  # 待插元素从a[gap]到最后
            for j in range(i, 0, -gap):  # a[i]找插入位置，每次不再向前挪1而挪gap即可
                if alist[j] < alist[j-gap]:
                    alist[j], alist[j-gap] = alist[j-gap], alist[j]
        gap //= 2

 

 

5.堆排序

利用前一趟比较的结果，对选择排序进行改进。堆是具有以下性质的完全二叉树：每个节点的值都大于等于（小于等于）其左右孩子节点的值。

大顶堆 & 小顶堆

 

 

　　1. 将待排序的序列构造成一个大顶堆（或小顶堆）

　　2. 整个序列的最大值就是堆顶的根节点，将它移走（与堆数组的末尾元素交换，此时末尾元素就是最大值）。

　　3. 将剩余的n-1个序列重新构造成一个堆，重复上述步骤，获得升序序列。

升序排序，使用大顶堆。

堆具有的性质，如果从堆的根节点开始从1往后编号，则节点的值满足：

     ，n/2向下取整。

　　树节点编号从1开始而数组下标从0开始。统一成从0开始计数，父节点 i 的左右孩子节点在2i+1、2i+2，子节点 i 的父节点在 floor((i-1)/2)

def heapify(arr, lst, i):
    """维护最大堆，以i为根节点的子树，最后一个节点lst"""
    largest = i
    left, right = 2*i+1, 2*i+2
    
    # 找到 i、i的左子树、i的右子树中的最大值
    if left <= lst and arr[i] < arr[left]:
        largest = left
    if right <= lst and arr[largest] < arr[right]:
        largest = right
    
    # 如果这三个节点中最大的不是i，则最大节点的值和i的值交换
    if largest != i:
        arr[largest], arr[i] = arr[i], arr[largest]
        heapify(arr, lst, largest)  # 继续对largest节点递归维护堆。如果i是最大的元素，则函数结束

def heap_sort(arr):
    n = len(arr)
    for i in range(int((n-1-1)/2), -1, -1):  # 从最后一个节点n-1的父节点开始往顶上，第一个要维护的子树根节点为 floor(((n-1)-1)/2)
        heapify(arr, n-1, i)
    
    for i in range(n-1, 0, -1):
        arr[i], arr[0] = arr[0], arr[i]  # 堆顶a[0] 和 当前堆的最后一个元素（如果认为每次都把排好的移除。实际就是arr[i]）交换
        heapify(arr, i-1, 0)  # 交换后要从顶向下维护堆，堆最后一个节点为下标为i-1
    
a = [3,4,1,2,9,5,6,8]
heap_sort(a)
print(a) 

优化，把heapify函数中的尾部递归用迭代实现，效率更高

def heapify(arr, lst, i):
    """维护最大堆，以i为根节点的子树，最后一个节点lst"""
    while True:
        largest = i
        left, right = 2*i+1, 2*i+2

        # 找到 i、i的左子树、i的右子树中的最大值
        if left <= lst and arr[i] < arr[left]:
            largest = left
        if right <= lst and arr[largest] < arr[right]:
            largest = right
    
        # 如果这三个节点中最大还是i，则函数结束
        if largest == i:
            break
        arr[largest], arr[i] = arr[i], arr[largest]  # 否则的把最大值换到当前根节点i上
        i = largest  # 继续下一轮，对当前的largest为根节点的子树进行维护 

　　

 

6.归并排序

 分治思想，先递归分解数组，再合并数组。

将数组分解最小之后，把n个记录看成是n个有序的子序列，每个子序列长度为1。然后两两归并，得到ceil(n/2)个长度为2或者1的有序子序列，再两两归并...，如此重复直到得到长度为n的有序序列为止。

其中两两归并的基本思路是，比较两个数组的最前面的数，谁小就先取谁，取了后相应的指针就往后移一位。然后再比较，直至一个数组为空，最后把另一个数组的剩余部分复制过来即可。

def merge_sort(alist):
    if len(alist) <= 1:
        return alist
    # 二分分解
    num = len(alist)//2
    left = merge_sort(alist[:num])
    right = merge_sort(alist[num:])
    # 合并
    return merge(left,right)

def merge(left, right):
    '''合并操作，将两个有序数组left[]和right[]合并成一个大的有序数组'''
    #left与right的下标指针
    l, r = 0, 0
    result = []
    while l<len(left) and r<len(right):
        if left[l] < right[r]:
            result.append(left[l])
            l += 1
        else:
            result.append(right[r])
            r += 1

    if l < len(left): 
        result += left[l:]
    elif r < len(right):
        result += right[r:]
    return result

　　

迭代实现，直接从下往上。

def merge_sort(alist):
    if alist is None or len(alist) <= 1:
        return alist
    # 每次要合并的两组数组为 a[low, low+i]、a[low+i, low+2*i]
    n = len(alist)
    tmp = [0]*n  # 建立临时数组
    
    i = 1  # 步长，也就是合并后数组元素的一半。第一次合并后数组长度为2，所以i初始化为1
    while i < n:  # 最后一次合并之前i不超过n。例如考虑n=5的情况，i=1,2,4，最后i=4合并长度为4，1的两组后结束，下一轮i=8，超过n了
        # 开始一趟，两两合并所有分组数组，每一趟都从头开始
        low = 0
        while low < n:
            mid = low + i
            high = min(low + 2*i, n)  # 如果第二组越界了，high等于n即可。数组a[n]会越界，但a[:n]不会，等价于a[:]
            if mid < high:  # 只有存在第二组才需要merge。而第二组只要有元素，high一定大于等于mid+1
                # merge
                merge(alist, low, mid, high, tmp)      
            low += 2*i  # 下两组的起始元素在上两组最后元素之后
        i *= 2  # 每一趟合并全部结束后，下一趟步长翻倍
    
def merge(alist, low, mid, high, tmp):
    """这里merge要考虑分组数组长度为1的情况，还有high等于n的情况
    所以还是用索引在长度上移动来遍历，比较不容易出错
    """
    l, r, k = 0, 0, 0
    len_l, len_r = len(alist[low: mid]), len(alist[mid: high])  # 两个数组的长度
    
    while l < len_l and r < len_r:  # 只要有一个数组遍历完了，补上没有遍历完的即可
        if alist[low + l] < alist[mid + r]:
            tmp[k] = alist[low + l]
            k += 1
            l += 1
        else:
            tmp[k] = alist[mid + r]
            k += 1
            r += 1
    if l < len_l:
        tmp[k: k + mid - (low + l)] = alist[low + l: mid]
        alist[low: high] = tmp[: k + mid - (low + l)]
        
    if r < len_r:
        tmp[k: k + high - (mid + r)] = alist[mid + r: high]
        alist[low: high] = tmp[: k + high - (mid + r)]
        
        
        
alist = [54,26,93,17,77,31,44,55,20]
merge_sort(alist)
print(alist) 

　　

7.快速排序

 通过一趟排序将要排序的数据分割成独立的两部分（选择一个比较基准），其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行。

步骤：

　　挑一个元素作为基准，重排元素，比基准大的放基准后面，比基准小的放基准前面；

　　递归的把两个子序列进行用上述方法分别排序

def quick_sort(alist):
    Qsort(alist, 0, len(alist)-1)

def Qsort(arr, low, high):
    """待排序数组arr, 起始位置low, 末尾位置high
    """
    if low < high:
        point = Partition(arr, low, high)   # 根据基准点a[point]处理数组，小的放基准点左边大的放基准点右边 
        Qsort(arr, low, point-1)
        Qsort(arr, point+1, high)
        
def Partition(arr, low, high):
    # 起始元素为要寻找位置的基准元素，先把基准点的值拿出来，序列中始终就有一个多余的空位
    point_value = arr[low]  # 基准点初始化为起始元素
    
    # 两个游标，low自左向右，high自右向左
    while low < high:
        while low < high and arr[high] >= point_value:  # high游标自右向左找到比基准元素小的元素位置
            high -= 1
        arr[low], arr[high] = arr[high], arr[low]  # 交换，把比基准点小的放前面
        
        while low < high and arr[low] < point_value:  # low游标自左向右找到比基准元素大的元素位置
            low += 1
        arr[high], arr[low] = arr[low], arr[high]  # 交换，把比基准点大的放后面
        
    alist[low] = point_value  # 当low与high位置重合，这就是基准点在最终序列中的位置
    return low

　　

快速排序的优化

1. 优化基准点的选取，三数取中法，基准点选取三个数中间大小的那个，避免极端情况，提高性能。

def quick_sort(alist):
    Qsort(alist, 0, len(alist)-1)

def Qsort(arr, low, high):
    """待排序数组arr, 起始位置low, 末尾位置high
    """
    if low < high:
        point = Partition(arr, low, high)   # 根据基准点a[point]处理数组，小的放基准点左边大的放基准点右边 
        Qsort(arr, low, point-1)
        Qsort(arr, point+1, high)
        
def Partition(arr, low, high):
    # 令基准点介于a[low]和a[high]之间
    mid = low + (high - low) // 2
    if arr[mid] > arr[high]:
        arr[mid], arr[high] = arr[high], arr[mid]
    if arr[low] > arr[high]:
        arr[low], arr[high] = arr[high], arr[low]
    if arr[mid] > arr[low]:
        arr[low], arr[mid] = arr[mid], arr[low]
        
    point_value = arr[low]  # 基准点
    
    # 两个游标，low自左向右，high自右向左
    while low < high:
        while low < high and arr[high] >= point_value:  # high游标自右向左找到比基准元素小的元素位置
            high -= 1
        arr[low], arr[high] = arr[high], arr[low]  # 交换，把比基准点小的放前面
        
        while low < high and arr[low] < point_value:  # low游标自左向右找到比基准元素大的元素位置
            low += 1
        arr[high], arr[low] = arr[low], arr[high]  # 交换，把比基准点大的放后面
        
    alist[low] = point_value  # 当low与high位置重合，这就是基准点在最终序列中的位置
    return low

　　

2. 优化不必要的交换，直接改成赋值就行了，因为先把基准元素拿出来了，始终有一个位置是空余的。　

def quick_sort(alist):
    Qsort(alist, 0, len(alist)-1)

def Qsort(arr, low, high):
    """待排序数组arr, 起始位置low, 末尾位置high
    """
    if low < high:
        point = Partition(arr, low, high)   # 根据基准点a[point]处理数组，小的放基准点左边大的放基准点右边 
        Qsort(arr, low, point-1)
        Qsort(arr, point+1, high)
        
def Partition(arr, low, high):
    # 令基准点介于a[low]和a[high]之间
    mid = low + (high - low) // 2
    if arr[mid] > arr[high]:
        arr[mid], arr[high] = arr[high], arr[mid]
    if arr[low] > arr[high]:
        arr[low], arr[high] = arr[high], arr[low]
    if arr[mid] > arr[low]:
        arr[low], arr[mid] = arr[mid], arr[low]
        
    point_value = arr[low]  # 基准点
    
    # 两个游标，low自左向右，high自右向左
    while low < high:
        while low < high and arr[high] >= point_value:  # high游标自右向左找到比基准元素小的元素位置
            high -= 1
        arr[low]= arr[high]  # 赋值，把比基准点小的放前面
        
        while low < high and arr[low] < point_value:  # low游标自左向右找到比基准元素大的元素位置
            low += 1
        arr[high] = arr[low]  # 交换，把比基准点大的放后面
        
    alist[low] = point_value  # 当low与high位置重合，这就是基准点在最终序列中的位置，填回去
    return low

　　

3. 优化小数组时的排序方案，数组长度小于7的时候用直接插入排序。

def InsertSort(alist, low, high):  # 修改一下插入排序，只排序alist中low到high这一段
    for i in range(low+1, high+1):
        for j in range(i, low, -1):
            if alist[j] < alist[j-1]:
                alist[j], alist[j-1] = alist[j-1], alist[j]
                
def quick_sort(alist):
    Qsort(alist, 0, len(alist)-1)

def Qsort(arr, low, high, MAX_LENGTH_INSERT_SORT=7):
    """待排序数组arr, 起始位置low, 末尾位置high
    """
    if high - low > MAX_LENGTH_INSERT_SORT:
        point = Partition(arr, low, high)   # 根据基准点a[point]处理数组，小的放基准点左边大的放基准点右边 
        Qsort(arr, low, point-1)
        Qsort(arr, point+1, high)
    
    else:  # 数组小的话就直接插入
        InsertSort(arr, low, high)
        
def Partition(arr, low, high):
    # 令基准点介于a[low]和a[high]之间
    mid = low + (high - low) // 2
    if arr[mid] > arr[high]:
        arr[mid], arr[high] = arr[high], arr[mid]
    if arr[low] > arr[high]:
        arr[low], arr[high] = arr[high], arr[low]
    if arr[mid] > arr[low]:
        arr[low], arr[mid] = arr[mid], arr[low]
        
    point_value = arr[low]  # 基准点
    
    # 两个游标，low自左向右，high自右向左
    while low < high:
        while low < high and arr[high] >= point_value:  # high游标自右向左找到比基准元素小的元素位置
            high -= 1
        arr[low]= arr[high]  # 赋值，把比基准点小的放前面
        
        while low < high and arr[low] < point_value:  # low游标自左向右找到比基准元素大的元素位置
            low += 1
        arr[high] = arr[low]  # 交换，把比基准点大的放后面
        
    alist[low] = point_value  # 当low与high位置重合，这就是基准点在最终序列中的位置，填回去
    return low

 

4. 优化递归操作，只要有可能，就把递归写成尾递归（函数中的递归形式出现在末尾），能够提高运行效率。尾递归可以比较容易的写成迭代。

def InsertSort(alist, low, high):  # 修改一下插入排序，只排序alist中low到high这一段
    for i in range(low+1, high+1):
        for j in range(i, low, -1):
            if alist[j] < alist[j-1]:
                alist[j], alist[j-1] = alist[j-1], alist[j]
                
def quick_sort(alist):
    Qsort(alist, 0, len(alist)-1)

def Qsort(arr, low, high, MAX_LENGTH_INSERT_SORT=7):
    """待排序数组arr, 起始位置low, 末尾位置high
    """
    if high - low > MAX_LENGTH_INSERT_SORT:
        while low < high:
            point = Partition(arr, low, high)   # 根据基准点a[point]处理数组，小的放基准点左边大的放基准点右边 
            Qsort(arr, low, point-1)
            # 现在 low 已经没用了，后半部分的递归是point+1到high，如果令low=point+1，则可以在用循环在下一轮实现point+1到high的递归
            low = point + 1  # 把尾递归写成while循环
        
    else:  # 数组小的话就直接插入
        InsertSort(arr, low, high)
        
def Partition(arr, low, high):
    # 令基准点介于a[low]和a[high]之间
    mid = low + (high - low) // 2
    if arr[mid] > arr[high]:
        arr[mid], arr[high] = arr[high], arr[mid]
    if arr[low] > arr[high]:
        arr[low], arr[high] = arr[high], arr[low]
    if arr[mid] > arr[low]:
        arr[low], arr[mid] = arr[mid], arr[low]
        
    point_value = arr[low]  # 基准点
    
    # 两个游标，low自左向右，high自右向左
    while low < high:
        while low < high and arr[high] >= point_value:  # high游标自右向左找到比基准元素小的元素位置
            high -= 1
        arr[low]= arr[high]  # 赋值，把比基准点小的放前面
        
        while low < high and arr[low] < point_value:  # low游标自左向右找到比基准元素大的元素位置
            low += 1
        arr[high] = arr[low]  # 交换，把比基准点大的放后面
        
    alist[low] = point_value  # 当low与high位置重合，这就是基准点在最终序列中的位置，填回去
    return low

　

进一步地，要充分发挥递归的优势，加一个判断，令长度大的那部分用循环代替尾递归

def InsertSort(alist, low, high):  # 修改一下插入排序，只排序alist中low到high这一段
    for i in range(low+1, high+1):
        for j in range(i, low, -1):
            if alist[j] < alist[j-1]:
                alist[j], alist[j-1] = alist[j-1], alist[j]
                
def quick_sort(alist):
    Qsort(alist, 0, len(alist)-1)

def Qsort(arr, low, high, MAX_LENGTH_INSERT_SORT=7):
    """待排序数组arr, 起始位置low, 末尾位置high
    """
    if high - low > MAX_LENGTH_INSERT_SORT:
        while low < high:
            point = Partition(arr, low, high)   # 根据基准点a[point]处理数组，小的放基准点左边大的放基准点右边 
            if point - low < high - point:  # 后半数组长度大
                Qsort(arr, low, point - 1)
                # 现在 low 已经没用了，后半部分的递归是point+1到high，如果令low=point+1，则可以在用循环在下一轮实现point+1到high的递归
                low = point + 1  # 把尾递归写成while循环
            else:
                Qsort(arr, point + 1, high)  # 现在high已经没用了
                high = point - 1
        
    else:  # 数组小的话就直接插入
        InsertSort(arr, low, high)
        
def Partition(arr, low, high):
    # 令基准点介于a[low]和a[high]之间
    mid = low + (high - low) // 2
    if arr[mid] > arr[high]:
        arr[mid], arr[high] = arr[high], arr[mid]
    if arr[low] > arr[high]:
        arr[low], arr[high] = arr[high], arr[low]
    if arr[mid] > arr[low]:
        arr[low], arr[mid] = arr[mid], arr[low]
        
    point_value = arr[low]  # 基准点
    
    # 两个游标，low自左向右，high自右向左
    while low < high:
        while low < high and arr[high] >= point_value:  # high游标自右向左找到比基准元素小的元素位置
            high -= 1
        arr[low]= arr[high]  # 赋值，把比基准点小的放前面
        
        while low < high and arr[low] < point_value:  # low游标自左向右找到比基准元素大的元素位置
            low += 1
        arr[high] = arr[low]  # 交换，把比基准点大的放后面
        
    alist[low] = point_value  # 当low与high位置重合，这就是基准点在最终序列中的位置，填回去
    return low