基于python的七種經典排序算法（推薦）
一、排序的基本概念和分類
所謂排序，就是使一串記錄，按照其中的某個或某些關鍵字的大小，遞增或遞減的排列起來的操作。排序算法，就是如何使得記錄按照要求排列的方法。
排序的穩(wěn)定性：
經過某種排序后，如果兩個記錄序號同等，且兩者在原無序記錄中的先后秩序依然保持不變，則稱所使用的排序方法是穩(wěn)定的，反之是不穩(wěn)定的。
內排序和外排序
內排序：排序過程中，待排序的所有記錄全部放在內存中
外排序：排序過程中，使用到了外部存儲。
通常討論的都是內排序。
影響內排序算法性能的三個因素：
- 時間復雜度：即時間性能，高效率的排序算法應該是具有盡可能少的關鍵字比較次數(shù)和記錄的移動次數(shù)
- 空間復雜度：主要是執(zhí)行算法所需要的輔助空間，越少越好。
- 算法復雜性。主要是指代碼的復雜性。
根據排序過程中借助的主要操作，可把內排序分為：
- 插入排序
- 交換排序
- 選擇排序
- 歸并排序
按照算法復雜度可分為兩類：
- 簡單算法：包括冒泡排序、簡單選擇排序和直接插入排序
- 改進算法：包括希爾排序、堆排序、歸并排序和快速排序
以下的七種排序算法只是所有排序算法中最經典的幾種，不代表全部。
二、 冒泡排序
冒泡排序（Bubble sort）：時間復雜度O(n^2)
交換排序的一種。其核心思想是：兩兩比較相鄰記錄的關鍵字，如果反序則交換，直到沒有反序記錄為止。
其實現(xiàn)細節(jié)可以不同，比如下面3種：
1.最簡單排序實現(xiàn):bubble_sort_simple
2.冒泡排序:bubble_sort
3.改進的冒泡排序:bubble_sort_advance
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: Liu Jiang
# Python 3.5
# 冒泡排序算法
class SQList:
def __init__(self, lis=None):
self.r = lis
def swap(self, i, j):
"""定義一個交換元素的方法，方便后面調用。"""
temp = self.r[i]
self.r[i] = self.r[j]
self.r[j] = temp
def bubble_sort_simple(self):
"""
最簡單的交換排序，時間復雜度O(n^2)
"""
lis = self.r
length = len(self.r)
for i in range(length):
for j in range(i+1, length):
if lis[i] > lis[j]:
self.swap(i, j)
def bubble_sort(self):
"""
冒泡排序，時間復雜度O(n^2)
"""
lis = self.r
length = len(self.r)
for i in range(length):
j = length-2
while j >= i:
if lis[j] > lis[j+1]:
self.swap(j, j+1)
j -= 1
def bubble_sort_advance(self):
"""
冒泡排序改進算法，時間復雜度O(n^2)
設置flag，當一輪比較中未發(fā)生交換動作，則說明后面的元素其實已經有序排列了。
對于比較規(guī)整的元素集合，可提高一定的排序效率。
"""
lis = self.r
length = len(self.r)
flag = True
i = 0
while i < length and flag:
flag = False
j = length - 2
while j >= i:
if lis[j] > lis[j + 1]:
self.swap(j, j + 1)
flag = True
j -= 1
i += 1
def __str__(self):
ret = ""
for i in self.r:
ret += " %s" % i
return ret
if __name__ == '__main__':
sqlist = SQList([4,1,7,3,8,5,9,2,6])
# sqlist.bubble_sort_simple()
# sqlist.bubble_sort()
sqlist.bubble_sort_advance()
print(sqlist)
三、簡單選擇排序
簡單選擇排序（simple selection sort）:時間復雜度O(n^2)
通過n-i次關鍵字之間的比較，從n-i+1個記錄中選出關鍵字最小的記錄，并和第i（1<=i<=n)個記錄進行交換。
通俗的說就是，對尚未完成排序的所有元素，從頭到尾比一遍，記錄下最小的那個元素的下標，也就是該元素的位置。再把該元素交換到當前遍歷的最前面。其效率之處在于，每一輪中比較了很多次，但只交換一次。因此雖然它的時間復雜度也是O(n^2)，但比冒泡算法還是要好一點。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: Liu Jiang
# Python 3.5
# 簡單選擇排序
class SQList:
def __init__(self, lis=None):
self.r = lis
def swap(self, i, j):
"""定義一個交換元素的方法，方便后面調用。"""
temp = self.r[i]
self.r[i] = self.r[j]
self.r[j] = temp
def select_sort(self):
"""
簡單選擇排序，時間復雜度O(n^2)
"""
lis = self.r
length = len(self.r)
for i in range(length):
minimum = i
for j in range(i+1, length):
if lis[minimum] > lis[j]:
minimum = j
if i != minimum:
self.swap(i, minimum)
def __str__(self):
ret = ""
for i in self.r:
ret += " %s" % i
return ret
if __name__ == '__main__':
sqlist = SQList([4, 1, 7, 3, 8, 5, 9, 2, 6, 0])
sqlist.select_sort()
print(sqlist)
四、直接插入排序
直接插入排序（Straight Insertion Sort）:時間復雜度O(n^2)
基本操作是將一個記錄插入到已經排好序的有序表中，從而得到一個新的、記錄數(shù)增1的有序表。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: Liu Jiang
# Python 3.5
# 直接插入排序
class SQList:
def __init__(self, lis=None):
self.r = lis
def insert_sort(self):
lis = self.r
length = len(self.r)
# 下標從1開始
for i in range(1, length):
if lis[i] < lis[i-1]:
temp = lis[i]
j = i-1
while lis[j] > temp and j >= 0:
lis[j+1] = lis[j]
j -= 1
lis[j+1] = temp
def __str__(self):
ret = ""
for i in self.r:
ret += " %s" % i
return ret
if __name__ == '__main__':
sqlist = SQList([4, 1, 7, 3, 8, 5, 9, 2, 6, 0])
sqlist.insert_sort()
print(sqlist)
該算法需要一個記錄的輔助空間。最好情況下，當原始數(shù)據就是有序的時候，只需要一輪對比，不需要移動記錄，此時時間復雜度為O(n)。然而，這基本是幻想。
五、希爾排序
希爾排序（Shell Sort）是插入排序的改進版本，其核心思想是將原數(shù)據集合分割成若干個子序列，然后再對子序列分別進行直接插入排序，使子序列基本有序，最后再對全體記錄進行一次直接插入排序。
這里最關鍵的是跳躍和分割的策略，也就是我們要怎么分割數(shù)據，間隔多大的問題。通常將相距某個“增量”的記錄組成一個子序列，這樣才能保證在子序列內分別進行直接插入排序后得到的結果是基本有序而不是局部有序。下面的例子中通過：increment = int(increment/3)+1來確定“增量”的值。
希爾排序的時間復雜度為：O(n^(3/2))
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: Liu Jiang
# Python 3.5
# 希爾排序
class SQList:
def __init__(self, lis=None):
self.r = lis
def shell_sort(self):
"""希爾排序"""
lis = self.r
length = len(lis)
increment = len(lis)
while increment > 1:
increment = int(increment/3)+1
for i in range(increment+1, length):
if lis[i] < lis[i - increment]:
temp = lis[i]
j = i - increment
while j >= 0 and temp < lis[j]:
lis[j+increment] = lis[j]
j -= increment
lis[j+increment] = temp
def __str__(self):
ret = ""
for i in self.r:
ret += " %s" % i
return ret
if __name__ == '__main__':
sqlist = SQList([4, 1, 7, 3, 8, 5, 9, 2, 6, 0,123,22])
sqlist.shell_sort()
print(sqlist)
六、堆排序
堆是具有下列性質的完全二叉樹：
每個分支節(jié)點的值都大于或等于其左右孩子的值，稱為大頂堆；
每個分支節(jié)點的值都小于或等于其做右孩子的值，稱為小頂堆；
因此，其根節(jié)點一定是所有節(jié)點中最大（最?。┑闹?。
如果按照層序遍歷的方式（廣度優(yōu)先）給節(jié)點從1開始編號，則節(jié)點之間滿足如下關系：
堆排序（Heap Sort）就是利用大頂堆或小頂堆的性質進行排序的方法。堆排序的總體時間復雜度為O(nlogn)。（下面采用大頂堆的方式）
其核心思想是：將待排序的序列構造成一個大頂堆。此時，整個序列的最大值就是堆的根節(jié)點。將它與堆數(shù)組的末尾元素交換，然后將剩余的n-1個序列重新構造成一個大頂堆。反復執(zhí)行前面的操作，最后獲得一個有序序列。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: Liu Jiang
# Python 3.5
# 堆排序
class SQList:
def __init__(self, lis=None):
self.r = lis
def swap(self, i, j):
"""定義一個交換元素的方法，方便后面調用。"""
temp = self.r[i]
self.r[i] = self.r[j]
self.r[j] = temp
def heap_sort(self):
length = len(self.r)
i = int(length/2)
# 將原始序列構造成一個大頂堆
# 遍歷從中間開始，到0結束，其實這些是堆的分支節(jié)點。
while i >= 0:
self.heap_adjust(i, length-1)
i -= 1
# 逆序遍歷整個序列，不斷取出根節(jié)點的值，完成實際的排序。
j = length-1
while j > 0:
# 將當前根節(jié)點，也就是列表最開頭，下標為0的值，交換到最后面j處
self.swap(0, j)
# 將發(fā)生變化的序列重新構造成大頂堆
self.heap_adjust(0, j-1)
j -= 1
def heap_adjust(self, s, m):
"""核心的大頂堆構造方法，維持序列的堆結構。"""
lis = self.r
temp = lis[s]
i = 2*s
while i <= m:
if i < m and lis[i] < lis[i+1]:
i += 1
if temp >= lis[i]:
break
lis[s] = lis[i]
s = i
i *= 2
lis[s] = temp
def __str__(self):
ret = ""
for i in self.r:
ret += " %s" % i
return ret
if __name__ == '__main__':
sqlist = SQList([4, 1, 7, 3, 8, 5, 9, 2, 6, 0, 123, 22])
sqlist.heap_sort()
print(sqlist)
堆排序的運行時間主要消耗在初始構建堆和重建堆的反復篩選上。
其初始構建堆時間復雜度為O(n)。
正式排序時，重建堆的時間復雜度為O(nlogn)。
所以堆排序的總體時間復雜度為O(nlogn)。
堆排序對原始記錄的排序狀態(tài)不敏感，因此它無論最好、最壞和平均時間復雜度都是O(nlogn)。在性能上要好于冒泡、簡單選擇和直接插入算法。
空間復雜度上，只需要一個用于交換的暫存單元。但是由于記錄的比較和交換是跳躍式的，因此，堆排序也是一種不穩(wěn)定的排序方法。
此外，由于初始構建堆的比較次數(shù)較多，堆排序不適合序列個數(shù)較少的排序工作。
七、歸并排序
歸并排序（Merging Sort）：建立在歸并操作上的一種有效的排序算法,該算法是采用分治法（Divide and Conquer）的一個非常典型的應用。將已有序的子序列合并，得到完全有序的序列；即先使每個子序列有序，再使子序列段間有序。若將兩個有序表合并成一個有序表，稱為二路歸并。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: Liu Jiang
# Python 3.5
# 歸并排序
class SQList:
def __init__(self, lis=None):
self.r = lis
def swap(self, i, j):
"""定義一個交換元素的方法，方便后面調用。"""
temp = self.r[i]
self.r[i] = self.r[j]
self.r[j] = temp
def merge_sort(self):
self.msort(self.r, self.r, 0, len(self.r)-1)
def msort(self, list_sr, list_tr, s, t):
temp = [None for i in range(0, len(list_sr))]
if s == t:
list_tr[s] = list_sr[s]
else:
m = int((s+t)/2)
self.msort(list_sr, temp, s, m)
self.msort(list_sr, temp, m+1, t)
self.merge(temp, list_tr, s, m, t)
def merge(self, list_sr, list_tr, i, m, n):
j = m+1
k = i
while i <= m and j <= n:
if list_sr[i] < list_sr[j]:
list_tr[k] = list_sr[i]
i += 1
else:
list_tr[k] = list_sr[j]
j += 1
k += 1
if i <= m:
for l in range(0, m-i+1):
list_tr[k+l] = list_sr[i+l]
if j <= n:
for l in range(0, n-j+1):
list_tr[k+l] = list_sr[j+l]
def __str__(self):
ret = ""
for i in self.r:
ret += " %s" % i
return ret
if __name__ == '__main__':
sqlist = SQList([4, 1, 7, 3, 8, 5, 9, 2, 6, 0, 12, 77, 34, 23])
sqlist.merge_sort()
print(sqlist)
- 歸并排序對原始序列元素分布情況不敏感，其時間復雜度為O(nlogn)。
- 歸并排序在計算過程中需要使用一定的輔助空間，用于遞歸和存放結果，因此其空間復雜度為O(n+logn)。
- 歸并排序中不存在跳躍，只有兩兩比較，因此是一種穩(wěn)定排序。
總之，歸并排序是一種比較占用內存，但效率高，并且穩(wěn)定的算法。
八、快速排序
快速排序（Quick Sort）由圖靈獎獲得者Tony Hoare發(fā)明，被列為20世紀十大算法之一。冒泡排序的升級版，交換排序的一種?？焖倥判虻臅r間復雜度為O(nlog(n))。
快速排序算法的核心思想：通過一趟排序將待排記錄分割成獨立的兩部分，其中一部分記錄的關鍵字均比另一部分記錄的關鍵字小，然后分別對這兩部分繼續(xù)進行排序，以達到整個記錄集合的排序目的。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: Liu Jiang
# Python 3.5
# 快速排序
class SQList:
def __init__(self, lis=None):
self.r = lis
def swap(self, i, j):
"""定義一個交換元素的方法，方便后面調用。"""
temp = self.r[i]
self.r[i] = self.r[j]
self.r[j] = temp
def quick_sort(self):
"""調用入口"""
self.qsort(0, len(self.r)-1)
def qsort(self, low, high):
"""遞歸調用"""
if low < high:
pivot = self.partition(low, high)
self.qsort(low, pivot-1)
self.qsort(pivot+1, high)
def partition(self, low, high):
"""
快速排序的核心代碼。
其實就是將選取的pivot_key不斷交換，將比它小的換到左邊，將比它大的換到右邊。
它自己也在交換中不斷變換自己的位置，直到完成所有的交換為止。
但在函數(shù)調用的過程中，pivot_key的值始終不變。
:param low:左邊界下標
:param high:右邊界下標
:return:分完左右區(qū)后pivot_key所在位置的下標
"""
lis = self.r
pivot_key = lis[low]
while low < high:
while low < high and lis[high] >= pivot_key:
high -= 1
self.swap(low, high)
while low < high and lis[low] <= pivot_key:
low += 1
self.swap(low, high)
return low
def __str__(self):
ret = ""
for i in self.r:
ret += " %s" % i
return ret
if __name__ == '__main__':
sqlist = SQList([4, 1, 7, 3, 8, 5, 9, 2, 6, 0, 123, 22])
sqlist.quick_sort()
print(sqlist)
- 快速排序的時間性能取決于遞歸的深度。
- 當pivot_key恰好處于記錄關鍵碼的中間值時，大小兩區(qū)的劃分比較均衡，接近一個平衡二叉樹，此時的時間復雜度為O(nlog(n))。
- 當原記錄集合是一個正序或逆序的情況下，分區(qū)的結果就是一棵斜樹，其深度為n-1，每一次執(zhí)行大小分區(qū)，都要使用n-i次比較，其最終時間復雜度為O(n^2)。
- 在一般情況下，通過數(shù)學歸納法可證明，快速排序的時間復雜度為O(nlog(n))。
- 但是由于關鍵字的比較和交換是跳躍式的，因此，快速排序是一種不穩(wěn)定排序。
- 同時由于采用的遞歸技術，該算法需要一定的輔助空間，其空間復雜度為O(logn)。
基本的快速排序還有可以優(yōu)化的地方：
1. 優(yōu)化選取的pivot_key
前面我們每次選取pivot_key的都是子序列的第一個元素，也就是lis[low]，這就比較看運氣。運氣好時，該值處于整個序列的靠近中間值，則構造的樹比較平衡，運氣比較差，處于最大或最小位置附近則構造的樹接近斜樹。
為了保證pivot_key選取的盡可能適中，采取選取序列左中右三個特殊位置的值中，處于中間值的那個數(shù)為pivot_key，通常會比直接用lis[low]要好一點。在代碼中，在原來的pivot_key = lis[low]這一行前面增加下面的代碼：
m = low + int((high-low)/2) if lis[low] > lis[high]: self.swap(low, high) if lis[m] > lis[high]: self.swap(high, m) if lis[m] > lis[low]: self.swap(m, low)
如果覺得這樣還不夠好，還可以將整個序列先劃分為3部分，每一部分求出個pivot_key，再對3個pivot_key再做一次上面的比較得出最終的pivot_key。這時的pivot_key應該很大概率是一個比較靠譜的值。
2. 減少不必要的交換
原來的代碼中pivot_key這個記錄總是再不斷的交換中，其實這是沒必要的，完全可以將它暫存在某個臨時變量中，如下所示：
def partition(self, low, high):
lis = self.r
m = low + int((high-low)/2)
if lis[low] > lis[high]:
self.swap(low, high)
if lis[m] > lis[high]:
self.swap(high, m)
if lis[m] > lis[low]:
self.swap(m, low)
pivot_key = lis[low]
# temp暫存pivot_key的值
temp = pivot_key
while low < high:
while low < high and lis[high] >= pivot_key:
high -= 1
# 直接替換，而不交換了
lis[low] = lis[high]
while low < high and lis[low] <= pivot_key:
low += 1
lis[high] = lis[low]
lis[low] = temp
return low
3. 優(yōu)化小數(shù)組時的排序
快速排序算法的遞歸操作在進行大量數(shù)據排序時，其開銷能被接受，速度較快。但進行小數(shù)組排序時則不如直接插入排序來得快，也就是殺雞用牛刀，未必就比菜刀來得快。
因此，一種很樸素的做法就是根據數(shù)據的多少，做個使用哪種算法的選擇而已，如下改寫qsort方法：
def qsort(self, low, high):
"""根據序列長短，選擇使用快速排序還是簡單插入排序"""
# 7是一個經驗值，可根據實際情況自行決定該數(shù)值。
MAX_LENGTH = 7
if high-low < MAX_LENGTH:
if low < high:
pivot = self.partition(low, high)
self.qsort(low, pivot - 1)
self.qsort(pivot + 1, high)
else:
# insert_sort方法是我們前面寫過的簡單插入排序算法
self.insert_sort()
4. 優(yōu)化遞歸操作
可以采用尾遞歸的方式對整個算法的遞歸操作進行優(yōu)化，改寫qsort方法如下：
def qsort(self, low, high):
"""根據序列長短，選擇使用快速排序還是簡單插入排序"""
# 7是一個經驗值，可根據實際情況自行決定該數(shù)值。
MAX_LENGTH = 7
if high-low < MAX_LENGTH:
# 改用while循環(huán)
while low < high:
pivot = self.partition(low, high)
self.qsort(low, pivot - 1)
# 采用了尾遞歸的方式
low = pivot + 1
else:
# insert_sort方法是我們前面寫過的簡單插入排序算法
self.insert_sort()
九、排序算法總結
排序算法的分類：
沒有十全十美的算法，有有點就會有缺點，即使是快速排序算法，也只是整體性能上的優(yōu)越，也存在排序不穩(wěn)定，需要大量輔助空間，不適于少量數(shù)據排序等缺點。
七種排序算法性能對比
- 如果待排序列基本有序，請直接使用簡單的算法，不要使用復雜的改進算法。
- 歸并排序和快速排序雖然性能高，但是需要更多的輔助空間。其實就是用空間換時間。
- 待排序列的元素個數(shù)越少，就越適合用簡單的排序方法；元素個數(shù)越多就越適合用改進的排序算法。
- 簡單選擇排序雖然在時間性能上不好，但它在空間利用上性能很高。特別適合，那些數(shù)據量不大，每條數(shù)據的信息量又比較多的一類元素的排序。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
相關文章
使用Python實現(xiàn)將Word文檔轉換為PNG圖片
在這篇博客中,我將介紹一個使用Python編寫的小工具,它能夠將指定文件夾中的所有Word文檔轉換為PNG圖片,這個工具基于wxPython庫構建圖形用戶界面,接下來,我將詳細說明這個工具的功能及其實現(xiàn),需要的朋友可以參考下2024-08-08
在平時的工作中當我們要總結一些知識的時候就需要一款工具來畫畫流程圖，這里推薦 XMind 軟件,用 Xmind 繪制的思維導圖看起來思路清晰，那么今天的文章介紹關于思維導圖的相關知識以及用 Python 如何操作 Xmind 繪制思維導圖2021-10-10
這篇文章主要介紹了python+opencv輪廓檢測代碼解析，本文實例實現(xiàn)對圖片的簡單處理，比如圖片的讀取，灰度顯示等相關內容，具有一定借鑒價值,需要的朋友可以參考下2018-01-01
這篇文章主要對Python中常見的數(shù)據類型進行了總結歸納，很有參考借鑒價值，需要的朋友可以參考下2015-08-08
這篇文章主要為大家介紹了Python進行密碼學反向密碼的教程詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-05-05
這篇文章主要介紹了selenium+python自動化測試之多窗口切換，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-01-01
Python使用smtplib模塊發(fā)送電子郵件的流程詳解
Python中自帶的smtplib模塊可以進行基于SMTP協(xié)議的郵件操作,這里我們便總結了Python使用smtplib模塊發(fā)送電子郵件的流程詳解,并對一些常見的問題給出了解決方法:2016-06-06
python保存大型 .mat 數(shù)據文件報錯超出 IO 限制的操作
這篇文章主要介紹了python保存大型 .mat 數(shù)據文件報錯超出 IO 限制的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-05-05
這篇文章主要介紹了Pytest運行及其控制臺輸出信息，文章圍繞主題展開詳細的內容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-09-09
這篇文章主要為大家詳細介紹了如何利用Python實現(xiàn)射擊闖關游戲，文中的示例代碼講解詳細，對我們學習Python有一定的幫助，感興趣的小伙伴可以了解一下2023-01-01