排序算法

排序算法简介

1. 冒泡排序

2. 选择排序

3. 插入排序

4. 希尔排序

5. 快速排序

6. 归并排序

 

 

排序算法简介

排序算法(英语:Sorting algorithm)是一种能将一串数据依照特定顺序进行排列的一种算法。

排序算法的稳定性

稳定性:稳定排序算法会让原本有相等键值的纪录维持其相对次序。也就是如果一个排序算法是稳定的,当有两个相等键值的纪录 R 和 S,且在原本的列表中 R 出现在 S 之前,在排序过的列表中 R 也将会是在 S 之前。

当相等的元素是无法分辨的,比如像是整数,稳定性并不是一个问题。然而,假设以下的数对将要以他们的第一个数字来排序。

(4, 1) (3, 1) (3, 7) (5, 6)

在这个状况下,有可能产生两种不同的结果,一个是让相等键值的纪录维持相对的次序,而另外一个则没有:

(3, 1) (3, 7) (4, 1) (5, 6)  (维持次序)
(3, 7) (3, 1) (4, 1) (5, 6)  (次序被改变)

不稳定排序算法可能会在相等的键值中改变纪录的相对次序,但是稳定排序算法从来不会如此。

不稳定排序算法可以被特别地实现为稳定,做这件事情的一个方式是人工扩充键值的比较,如此在其他方面相同键值的两个对象间之比较(比如上面的比较中加入第二个标准:第二个键值的大小),就会被决定使用在原先数据次序中的条目,当作一个同分决赛。然而,要记住这种次序通常牵涉到额外的空间负担。

常见算法效率比较

性能从优到劣:

 

1. 冒泡排序

介绍

冒泡排序(英语:Bubble Sort)是一种简单的排序算法,它通过不断地交换“大数”的位置达到排序的目的。因为不断出现“大数”类似于水泡不断出现,因此被形象地称为冒泡排序算法。

它重复地遍历要排序的数列,一次比较两个元素,如果他们的大小顺序有误则把它们交换过来。遍历数列的工作是重复地进行直到没有元素再需要交换,也就是说该数列已经排序完成。

冒泡排序算法的运作如下:

  • 比较相邻的元素。如果第一个比第二个大(升序),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,直到没有任何一对元素需要比较。

时间复杂度

  • 最优时间复杂度:O(n)(表示第一次遍历发现没有任何可以交换的元素,则排序结束)
  • 最坏时间复杂度:O(n2)
  • 稳定性:稳定

交换过程图示(第一次遍历)

 那么我们需要进行n-1次冒泡过程,每次对应的比较次数如下图所示:

代码实现

Python 版:

 1 def bubble_sort(alist):
 2     "冒泡排序"
 3     n = len(alist)
 4     for j in range(n-1):  # 控制轮数(图示中的Pass)
 5         count = 0  # 记录每轮中的比较次数
 6         for i in range(n-1-j):  # 每轮遍历中的元素比较次数,逐渐减少(图示中的Comparisons);也可以使用 for i in range(n-1, 0, -1); for j in range(i):
 7             if alist[i] > alist[i+1]:
 8                 alist[i], alist[i+1] = alist[i+1], alist[i]
 9                 count += 1
10         # 优化时间复杂度,若该轮没有交换元素,即代表列表已是有序,则无需再进行下一轮比较
11         # 即可直接退出
12         if count == 0:
13             return
14 
15                 
16 # j: 0     i: range(n-1-0) = n-1
17 # j: 1     i: range(n-1-1) = n-2
18 # j: 2     i: range(n-1-2) = n-3
19 # ...
20 # j: n-2   i: range(n-1-(n-2)) = 1
21 
22 
23 if __name__ == "__main__":
24     li = [1, 21, 4, 2, 56, 2, 34, 67]
25     bubble_sort(li)
26     print(li)  # [1, 2, 2, 4, 21, 34, 56, 67]

Java 版:

 1     public static void main(String[] args) {
 2         int[] input = {12, 34, 65, 23, 54, 12, 34, 54};
 3         bubbleSort(input);
 4         System.out.println(Arrays.toString(input));
 5     }
 6 
 7     public static void bubbleSort(int[] arr) {
 8         int length = arr.length;
 9         for (int i=0; i<length-1; i++) {
10             int changeCount = 0;
11             for (int j=0; j<(length-1-i); j++) {
12                 if (arr[j]>arr[j+1]) {
13                     int temp = arr[j];
14                     arr[j] = arr[j+1];
15                     arr[j+1] = temp;
16                     changeCount ++;
17                 }
18             }
19             if (changeCount==0) {
20                 return;
21             }
22         }
23     }

 

2. 选择排序

选择排序(Selection sort)的算法算是枚举法的应用,就是反复从未排序的数列中取出最小(大)的元素,加入到另一个数列中,最后的结果即为已排序的数列。它的具体工作原理如下:

  1. 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。
  2. 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。
  3. 以此类推,直到所有元素均排序完毕。

选择排序的主要优点与数据移动有关。如果某个元素位于正确的最终位置上,则它不会被移动。选择排序每次交换一对元素,它们当中至少有一个将被移到其最终位置上,因此对 n 个元素的数列进行排序总共进行至多 n-1 次交换。在所有的完全依靠交换去移动元素的排序方法中,选择排序属于非常好的一种。

时间复杂度

  • 最优时间复杂度:O(n2)
  • 最坏时间复杂度:O(n2)
  • 稳定性:不稳定(考虑升序每次选择最大的情况)

Python版的选择排序:

理论上选择排序的时间复杂度为 O(n2),但在 Python 中较为特殊,因为在 Python 列表中寻找最小的那个数不需要逐个比较,使用 min() 就可以一步到位地得到最小的数所以使用 Python 版的选择排序,时间复杂度是 O(n)。因此理论上 Python 版本的排序算法中选择排序算法是最快的

排序过程图示

 

 代码实现:

Python 常规版

 1 def selected_sort(alist):
 2     n = len(alist)
 3     # 需要进行n-1次选择操作
 4     for i in range(n-1):
 5         # 记录最小位置
 6         min_index = i
 7         # 从i+1位置到末尾,选择出最小的元素
 8         for j in range(i+1, n):
 9             if alist[j] < alist[min_index]:
10                 min_index = j
11         # 如果选择出的元素不在正确位置,进行交换
12         if min_index != i:
13             alist[i], alist[min_index] = alist[min_index], alist[i]
14 
15 
16 alist = [54, 226, 93, 17, 77, 31, 44, 55, 20]
17 selected_sort(alist)
18 print(alist)

python 内置的 min():

 1 import random
 2 import timeit
 3 
 4 def random_list(n):
 5     return [random.randint(0, 100) for i in range(n)]
 6 
 7 def selection_sort(i_list):
 8     if len(i_list) <= 1:
 9         return i_list
10     # 一个长度为n的数列需要排序n-1轮
11     for i in range(0, len(i_list)-1):
12         if i_list[i] != min(i_list[i:]):
13             # 使用min()找到列表剩余元素中的最小值
14             min_index = i_list.index(min(i_list[i:]), i)
15             i_list[i], i_list[min_index] = i_list[min_index], i_list[i]
16         # print("第%s轮的排序结果:%s" % (i+1, i_list))
17     return i_list
18 
19 if __name__ == "__main__":
20     i_list = random_list(20)
21     print(i_list)
22     print(selection_sort(i_list))
23     print(timeit.timeit("selection_sort(i_list)", "from __main__ import selection_sort, i_list", number=100))

Java 版:

 1     public static void main(String[] args) {
 2         int[] input = {12, 34, 65, 23, 54, 12, 34, 54};
 3         selectSort(input);
 4         System.out.println(Arrays.toString(input));
 5     }
 6 
 7     public static void selectSort(int[] arr) {
 8         int length = arr.length;
 9         for (int i=0; i<length-1; i++) {
10             int tmpMin = arr[i];
11             for (int j=i+1; j<length; j++) {
12                 if (arr[j]<tmpMin) {
13                     tmpMin = arr[j];
14                     arr[j] = arr[i];
15                     arr[i] = tmpMin;
16                 }
17             }
18         }
19     }

 

3. 插入排序

插入排序(Insertion Sort)可能是最好理解的排序了。插入排序方法与打扑克取牌的排序很相似,在打扑克时,每取一张新牌,都会与手上已有的牌进行比较,将新牌插入到比自己小的牌后面。等取完所有的牌后,手上已有的牌就是各有序的序列。

它的工作原理是通过构建有序序列,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。插入排序在实现上,在从后向前扫描过程中,需要反复把已排序元素逐步向后挪位,为最新元素提供插入空间。

当原始序列的元素大部分已排好序的情况下,插入排序会非常有效率,因为它不需要执行太多的数据搬移操作。

时间复杂度

  • 最优时间复杂度:O(n)(升序排序时,序列已经处于升序状态)
  • 最坏时间复杂度:O(n2)
  • 稳定性:稳定

排序过程图示

演示效果

代码实现

Python 版:

 1 def insertion_sort(data):
 2     for i in range(1, len(data)):
 3         tmp = data[i]  # 暂存数据
 4         count = i
 5         while i >= 1 and tmp < data[i-1]:  # 遍历与前一个元素比较
 6             data[i] = data[i-1]  # 把所有元素往后移一位
 7             i -= 1
 8         data[i] = tmp  # 若当前元素大于等于前一个元素,则当前位置放入暂存数据
 9         print("第%d次排序结果:%s" % (count, data))
10     return data
11 
12 
13 data = [12, 11, 23, 4, 1, 5, 12, 31, 4]
14 insertion_sort(data)

执行结果:

第1次排序结果:[11, 12, 23, 4, 1, 5, 12, 31, 4]
第2次排序结果:[11, 12, 23, 4, 1, 5, 12, 31, 4]
第3次排序结果:[4, 11, 12, 23, 1, 5, 12, 31, 4]
第4次排序结果:[1, 4, 11, 12, 23, 5, 12, 31, 4]
第5次排序结果:[1, 4, 5, 11, 12, 23, 12, 31, 4]
第6次排序结果:[1, 4, 5, 11, 12, 12, 23, 31, 4]
第7次排序结果:[1, 4, 5, 11, 12, 12, 23, 31, 4]
第8次排序结果:[1, 4, 4, 5, 11, 12, 12, 23, 31]

Java 版:

 1     public static void main(String[] args) {
 2         int[] input = {12, 34, 65, 23, 54, 12, 34, 54, 17};
 3         insertSort(input);
 4         System.out.println(Arrays.toString(input));
 5     }
 6 
 7     public static void insertSort(int[] arr) {
 8         for (int i=1; i<arr.length; i++) {
 9             int tmp = arr[i];
10             for (int j=i; j>0; j--) {
11                 if (tmp<arr[j-1]) {
12                     arr[j]=arr[j-1];
13                 } else {
14                     arr[j] = tmp;
15                     break;
16                 }
17             }
18         }
19     }

 

4. 希尔排序

希尔排序(Shell Sort)是插入排序算法的一种更高效的改进版本。该方法因 DL.Shell 于 1959 年提出而得名。

希尔排序的基本思想是:将数组列在一个表中,并对每一列进行插入排序,重复这过程,不过每次用更长的列(步长更长了,列数更少了)来进行,最后整个表就只有一列了。将数组转换至表是为了更好地理解这算法,算法本身还是使用数组进行排序。

时间复杂度

  • 最优时间复杂度:根据步长序列的不同而不同
  • 最坏时间复杂度:O(n2)
  • 稳定性:不稳定

希尔排序过程

例如,假设有这样一组数 [13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10],如果我们以步长为 5 开始进行排序,我们可以通过将这列表放在有 5 列的表中来更好地描述算法,这样他们就应该看起来是这样(竖着的元素是步长组成):

13 14 94 33 82
25 59 94 65 23
45 27 73 25 39
10

然后我们对每列进行排序:

10 14 73 25 23
13 27 94 33 39
25 59 94 65 82
45

将上述四行数字,依序接在一起时我们得到:[10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45]。这时 10 已经移至正确位置了,然后再以 3 为步长进行排序:

10 14 73
25 23 13
27 94 33
39 25 59
94 65 82
45

排序之后变为:

10 14 13
25 23 33
27 25 59
39 65 73
45 94 82
94

最后以 1 步长进行排序(此时就是简单的插入排序了)。

示例分析

代码实现

 1 # 希尔排序
 2 def shell_sort(alist):
 3     count = 1  # 打印排序次数
 4     n = len(alist)
 5     gap = n // 2  # 步长需通过数学计算,质数最好。为了算法方便,习惯选2
 6     # gap变化到0前,子序列插入算法执行的次数
 7     while gap > 0:
 8         # 子序列的插入算法,与普通插入算法区别在于gap步长
 9         for i in range(gap, n):
10             tmp = alist[i]
11             while i >= gap and tmp < alist[i-gap]:  # 每组子序列中,当前元素与前gap个元素比较
12                 alist[i] = alist[i-gap]
13                 i -= gap
14             alist[i] = tmp
15         print("gap=%d, 第%d次排序的结果:%s" % (gap, count, alist))
16         # 每轮排序对半缩短gap
17         gap //= 2
18         count += 1
19 
20 
21 alist = [63, 92, 27, 36, 45, 71, 58, 7]
22 shell_sort(alist)

执行结果:

gap=4, 第1次排序的结果:[45, 71, 27, 7, 63, 92, 58, 36]
gap=2, 第2次排序的结果:[27, 7, 45, 36, 58, 71, 63, 92]
gap=1, 第3次排序的结果:[7, 27, 36, 45, 58, 63, 71, 92]

 

5. 快速排序

快速排序(英语:Quicksort),又称划分交换排序(partition-exchange sort),是目前公认最佳的排序法。它通过一趟排序将要排序的数据分割成独立的两部分,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,以此达到整个数据变成有序序列。

步骤为:

  1. 从数列中挑出一个元素,称为“基准”(pivot)。
  2. 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)。在这个分区结束之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。
  3. 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。

递归的最底部情形,是数列的大小是零或一,也就是永远都已经被排序好了。虽然一直递归下去,但是这个算法总会结束,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。

时间复杂度

  • 最优时间复杂度:O(nlogn)
  • 最坏时间复杂度:O(n2)
  • 稳定性:不稳定

排序过程图示

 代码实现

Python 版:

 1 def quick_sort(alist, start, end):
 2     # 递归的退出条件
 3     if start >= end:
 4         return
 5     # 设定起始元素为要寻找位置的基准元素
 6     mid_value = alist[start]
 7     # low为从左往右的游标
 8     low = start
 9     # high为从右往左的游标
10     high = end
11     # 当low与high未重合
12     while low < high:
13         # 当low与high未重合时,若high指向的元素不比基准元素小,则high向左移动一位
14         while low < high and alist[high] >= mid_value:
15             high -= 1
16         # 若high指向的元素比基准元素小,则退出循环,交换元素位置
17         alist[low] = alist[high]
18         # 当low与high未重合时,若low指向的元素比基准元素小,则low向右移动一位
19         while low < high and alist[low] < mid_value:
20             low += 1
21         # 若low指向的元素比基准元素大,则推出循环,交换元素位置
22         alist[high] = alist[low]
23     # 当low与high重合,退出循环,此时所指位置为基准元素的正确位置
24     # 将基准元素放到该位置
25     alist[low] = mid_value
26     # 对基准元素左边的子序列进行递归快速排序
27     quick_sort(alist, start, low-1)
28     # 对基准元素右边的子序列进行递归快速排序
29     quick_sort(alist, low+1, end)
30 
31 
32 alist = [54, 226, 93, 17, 77, 31, 44, 55, 20]
33 quick_sort(alist, 0, len(alist)-1)
34 print(alist)

Java 版:

 1 import java.util.Arrays;
 2 
 3 public class Demo {
 4 
 5     public static void main(String[] args) {
 6         int[] arr = new int[]{21,13,4,16,7,39,4,10};
 7         quickSort(arr, 0, arr.length-1);
 8         System.out.println(Arrays.toString(arr));  // [4, 4, 7, 10, 13, 16, 21, 39]
 9     }
10 
11     // 快排
12     public static void quickSort(int[] arr, int start, int end) {
13         if (start>=end) {
14             return;
15         }
16         int standard = arr[start];
17         int left = start;
18         int right = end;
19         while (left<right) {
20             while (left < right && arr[right] >= standard) {
21                 right--;
22             }
23             arr[left] = arr[right];
24             while (left < right && arr[left] < standard) {
25                 left++;
26             }
27             arr[right] = arr[left];
28         }
29         arr[left] = standard;
30         quickSort(arr, start, left-1);
31         quickSort(arr, left+1, end);
32     }
33 }

时间复杂度 O(nlogn) 分析:

  • 在最好的情况下,每次运算一次分区,我们会把一个数列分为两个几近相等的片段。这个意思就是每次递归调用处理一半大小的数列。因此,在到达大小为一的数列前,我们只要作 logn 次嵌套的调用,这个意思就是调用树的深度是 O(logn)。
  • 同时,在同一层次结构的左右两个递归调用中,不会处理到原来数列的相同部分。因此,程序调用的每一层次结构总共全部仅需要 O(n) 的时间(每次调用会有某些共同的额外耗费,但是因为在每一层次结构仅仅只有 O(n) 个调用,这些被归纳在 O(n) 系数中)。

 

6. 归并排序

归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组。

将数组分解最小之后,然后合并两个有序数组,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。

时间复杂度

  • 最优时间复杂度:O(nlogn)
  • 最坏时间复杂度:O(nlogn)
  • 稳定性:稳定

归并排序的分析

 

 代码实现:版本一

 1 def merge_sort(alist):
 2     """归并排序"""
 3     n = len(alist)
 4     if n <= 1:
 5         return alist
 6     mid = n // 2
 7     # left 采用归并排序后形成的有序的新的列表
 8     left_li = merge_sort(alist[:mid])
 9     # right 采用归并排序后形成的有序的新的列表
10     right_li = merge_sort(alist[mid:])
11 
12     # 将两个有序的子序列合并为一个新的整体
13     # merge(left, right)
14     left_pointer, right_pointer = 0, 0
15     result = []
16 
17     while left_pointer < len(left_li) and right_pointer < len(right_li):
18         if left_li[left_pointer] <=  right_li[right_pointer]:
19             result.append(left_li[left_pointer])
20             left_pointer += 1
21         else:
22             result.append(right_li[right_pointer])
23             right_pointer += 1
24 
25     result += left_li[left_pointer:]
26     result += right_li[right_pointer:]
27     return result
28 
29 
30 if __name__ == "__main__":
31     li = [54, 26, 93, 17, 77, 31, 44, 55, 20]
32     print(li)
33     sorted_li = merge_sort(li)
34     print(li)
35     print(sorted_li)

版本二

 1 import random
 2 import timeit
 3 
 4 def random_list(n):
 5     return [random.randint(0, 100) for i in range(n)]
 6 
 7 def merge_sort(i_list):
 8     if len(i_list) <= 1:
 9         return i_list
10     mid = len(i_list) // 2
11     left, right = i_list[:mid], i_list[mid:]
12     # 将左右子数列再拆分成左右子子子……数列
13     return merge_list(merge_sort(left), merge_sort(right))
14 
15 # 将左右两个有序数列进行合并
16 def merge_list(left, right):
17     result_list = []
18     while left and right:
19         if left[0] >= right[0]:
20             result_list.append(right.pop(0))
21         else:
22             result_list.append(left.pop(0))
23     result_list.extend(left)
24     result_list.extend(right)
25     return result_list
26 
27 if __name__ == "__main__":
28     i_list = random_list(20)
29     print(i_list)
30     print(merge_sort(i_list))
31     print(timeit.timeit("merge_sort(i_list)", "from __main__ import merge_sort, i_list", number=100))

 

posted @ 2020-04-08 23:49  Juno3550  阅读(227)  评论(0编辑  收藏  举报