常见排序算法详解
在计算机科学中,排序算法是一种基础算法,它将一组数据按照某种规则排列。排序算法是《数据结构与算法》中最基本的算法之一。常在本文中,我们将对几种算法进行详细介绍,包括其原理、时间复杂度。
首先我们先介绍三种简单的排序算法
冒泡排序
冒泡排序的原理是从左到右比较相邻的两个元素,如果左边的元素大于右边的元素,就交换它们的位置,直到整个序列都被排序。这个过程类似于水泡在水中上浮的过程,因此被称为冒泡排序。
以下是冒泡排序的 Python 代码实现:
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
return arr
冒泡排序的时间复杂度是 O(n^2),最好情况下是 O(n),最坏情况下是 O(n^2)。在最好情况下,序列已经有序,只需要进行一次比较,时间复杂度是 O(n)。在最坏情况下,序列是逆序的,需要进行 n^2 次比较和交换。
选择排序
选择排序的原理是从待排序的序列中找到最小的元素,将其放到已排序的序列末尾,直到整个序列都被排序。选择排序与冒泡排序类似,但是选择排序每次只交换一次,而冒泡排序每次交换多次。
以下是选择排序的 Python 代码实现:
def select_sort(arr):
n = len(arr)
for i in range(n):
min_idx = i
for j in range(i+1, n):
if arr[j] < arr[min_idx]:
min_idx = j
arr[i], arr[min_idx] = arr[min_idx], arr[i]
return arr
选择排序的时间复杂度是 O(n^2),最好情况下是 O(n^2),最坏情况下是 O(n^2)。在最好情况下,序列已经有序,但是每次仍然需要进行 n^2 次比较。在最坏情况下,序列是逆序的,需要进行 n^2次比较和 n 次交换。
插入排序
插入排序是一种简单的排序算法。它的原理是将待排序的元素插入到已排序的序列中,以保证已排序的序列仍然有序。插入排序的过程类似于打扑克牌时将牌插入到已排序的牌中的过程。
以下是插入排序的 Python 代码实现:
def insertion_sort(arr):
n = len(arr)
for i in range(1, n):
key = arr[i]
j = i - 1
while j >= 0 and key < arr[j]:
arr[j+1] = arr[j]
j -= 1
arr[j+1] = key
return arr
插入排序的时间复杂度是 O(n^2),最好情况下是 O(n),最坏情况下是 O(n^2)。在最好情况下,序列已经有序,只需要进行 n-1次比较,时间复杂度是 O(n)。在最坏情况下,序列是逆序的,需要进行 n^2 次比较和 n^2次交换。
下面我们来介绍三种比较复杂的排序算法
快速排序
原理
快速排序是一种基于分治思想的排序算法。它的基本思想是:选择一个基准元素,将序列中小于等于基准元素的数放到左边,大于基准元素的数放到右边,然后递归地对左右两部分进行同样的操作。
算法步骤
快速排序的算法步骤如下:
选择一个基准元素(通常是第一个或最后一个元素)。
将序列分成两部分:小于等于基准元素的部分和大于基准元素的部分。
对左右两部分分别递归执行快速排序操作。
递归结束条件是序列长度为1或0。
时间复杂度
最好情况下,每次基准元素都能将序列平分,时间复杂度为 O(n log n)。
最坏情况下,每次基准元素都是最大或最小的数,时间复杂度为 O(n^2)。
平均情况下,时间复杂度为 O(n log n)。
Python 代码实现
def quick_sort(arr):
if len(arr) <= 1:
return arr
else:
pivot = arr[0]
left = [x for x in arr[1:] if x <= pivot]
right = [x for x in arr[1:] if x > pivot]
return quick_sort(left) + [pivot] + quick_sort(right)
归并排序
原理
归并排序(Merge Sort)也是一种基于分治思想的排序算法。它的基本思想是:将待排序序列分成若干个子序列,每个子序列都是有序的,然后合并子序列,直到整个序列有序。
算法步骤
归并排序的算法步骤如下:
将序列分成若干个子序列,每个子序列都是有序的。
将相邻的子序列进行合并,得到更长的有序子序列,直到整个序列有序。
时间复杂度
最好情况下,最坏情况下和平均情况下,时间复杂度均为 O(n \log n)。
Python 代码实现
def merge_sort(arr):
if len(arr) <= 1:
return arr
else:
mid = len(arr) // 2
left = arr[:mid]
right = arr[mid:]
left = merge_sort(left)
right = merge_sort(right)
return merge(left, right)
def merge(left, right):
result = []
i = 0
j = 0
while i < len(left) and j < len(right):
if left[i] <= right[j]:
result.append(left[i])
i += 1
else:
result.append(right[j])
j += 1
result += left[i:]
result += right[j:]
return result
堆排序
原理
堆排序(Heap Sort)是一种利用堆的数据结构进行排序的算法。堆是一种特殊的完全二叉树,满足堆属性:任意节点的值都大于等于(或小于等于)其子节点的值。
算法步骤
堆排序的算法步骤如下:
将待排序序列构建成一个大顶堆或小顶堆。
将堆顶元素与堆尾元素交换,并将堆的大小减1。
对新的堆顶元素进行堆调整,使其满足堆的性质。
重复步骤2和步骤3,直到堆的大小为1。
时间复杂度
最好情况下,最坏情况下和平均情况下,时间复杂度均为 O(n \log n)。
Python 代码实现
def heap_sort(arr):
def heapify(arr, n, i):
largest = i
left = 2 * i + 1
right = 2 * i + 2
if left < n and arr[i] < arr[left]:
largest = left
if right < n and arr[largest] < arr[right]:
largest = right
if largest != i:
arr[i], arr[largest] = arr[largest], arr[i]
heapify(arr, n, largest)
n = len(arr)
for i in range(n // 2 - 1, -1, -1):
heapify(arr, n, i)
for i in range(n - 1, 0, -1):
arr[i], arr[0] = arr[0], arr[i]
heapify(arr, i, 0)
return arr
以上就是几种常见的排序算法,除此之外还有很多其它的排序算法如桶排序、计数排序等(可自行了解),几种排序各有优缺点,需要针对合适的场景选择合适的排序算法。