0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看威廉希尔官方网站 视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

用Python实现十大经典排序算法(附动图)

Android编程精选 来源:github 2023-03-13 09:29 次阅读

排序算法是《数据结构与算法》中最基本的算法之一。

7d15eeb0-c13b-11ed-bfe3-dac502259ad0.png

排序算法可以分为内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存。常见的内部排序算法有:插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。用一张图概括:

7d327080-c13b-11ed-bfe3-dac502259ad0.png

关于时间复杂度

  1. 平方阶 (O(n2)) 排序 各类简单排序:直接插入、直接选择和冒泡排序。
  2. 线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序;
  3. O(n1+§)) 排序,§ 是介于 0 和 1 之间的常数。希尔排序
  4. 线性阶 (O(n)) 排序 基数排序,此外还有桶、箱排序。

关于稳定性

  • 排序后 2 个相等键值的顺序和排序之前它们的顺序相同
  • 稳定的排序算法:冒泡排序、插入排序、归并排序和基数排序。
  • 不是稳定的排序算法:选择排序、快速排序、希尔排序、堆排序。

名词解释

  • n:数据规模
  • k:“桶”的个数
  • In-place:占用常数内存,不占用额外内存
  • Out-place:占用额外内存

1、冒泡排序

冒泡排序(Bubble Sort)也是一种简单直观的排序算法。它重复地走访过要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

作为最简单的排序算法之一,冒泡排序给我的感觉就像 Abandon 在单词书里出现的感觉一样,每次都在第一页第一位,所以最熟悉。冒泡排序还有一种优化算法,就是立一个 flag,当在一趟序列遍历中元素没有发生交换,则证明该序列已经有序。但这种改进对于提升性能来说并没有什么太大作用。

(1)算法步骤

  1. 比较相邻的元素。如果第一个比第二个大,就交换他们两个。
  2. 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。
  3. 针对所有的元素重复以上的步骤,除了最后一个。
  4. 持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。

(2)动图演示

7decf266-c13b-11ed-bfe3-dac502259ad0.gif

(3)Python 代码

defbubbleSort(arr):
foriinrange(1,len(arr)):
forjinrange(0,len(arr)-i):
ifarr[j]>arr[j+1]:
arr[j],arr[j+1]=arr[j+1],arr[j]
returnarr

2、选择排序

选择排序是一种简单直观的排序算法,无论什么数据进去都是 O(n²) 的时间复杂度。所以用到它的时候,数据规模越小越好。唯一的好处可能就是不占用额外的内存空间了吧。

(1)算法步骤

  1. 首先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. 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。
  3. 重复第二步,直到所有元素均排序完毕。

(2)动图演示

7e3c0f90-c13b-11ed-bfe3-dac502259ad0.gif

(3)Python 代码

defselectionSort(arr):
foriinrange(len(arr)-1):
#记录最小数的索引
minIndex=i
forjinrange(i+1,len(arr)):
ifarr[j]< arr[minIndex]:
                minIndex = j
        #i不是最小数时,将i和最小数进行交换
ifi!=minIndex:
arr[i],arr[minIndex]=arr[minIndex],arr[i]
returnarr

3、插入排序

插入排序的代码实现虽然没有冒泡排序和选择排序那么简单粗暴,但它的原理应该是最容易理解的了,因为只要打过扑克牌的人都应该能够秒懂。插入排序是一种最简单直观的排序算法,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。

插入排序和冒泡排序一样,也有一种优化算法,叫做拆半插入。

(1)算法步骤

  1. 将第一待排序序列第一个元素看做一个有序序列,把第二个元素到最后一个元素当成是未排序序列。

  2. 从头到尾依次扫描未排序序列,将扫描到的每个元素插入有序序列的适当位置。(如果待插入的元素与有序序列中的某个元素相等,则将待插入元素插入到相等元素的后面。)

(2)动图演示

7e836c32-c13b-11ed-bfe3-dac502259ad0.gif

(3)Python 代码

definsertionSort(arr):
foriinrange(len(arr)):
preIndex=i-1
current=arr[i]
whilepreIndex>=0andarr[preIndex]>current:
arr[preIndex+1]=arr[preIndex]
preIndex-=1
arr[preIndex+1]=current
returnarr

4、希尔排序

希尔排序,也称递减增量排序算法,是插入排序的一种更高效的改进版本。但希尔排序是非稳定排序算法。

希尔排序是基于插入排序的以下两点性质而提出改进方法的:

  • 插入排序在对几乎已经排好序的数据操作时,效率高,即可以达到线性排序的效率;
  • 但插入排序一般来说是低效的,因为插入排序每次只能将数据移动一位;

希尔排序的基本思想是:先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序,待整个序列中的记录“基本有序”时,再对全体记录进行依次直接插入排序。

(1)算法步骤

  1. 选择一个增量序列 t1,t2,……,tk,其中 ti > tj, tk = 1;
  2. 按增量序列个数 k,对序列进行 k 趟排序;
  3. 每趟排序,根据对应的增量 ti,将待排序列分割成若干长度为 m 的子序列,分别对各子表进行直接插入排序。仅增量因子为 1 时,整个序列作为一个表来处理,表长度即为整个序列的长度。

(2)Python 代码

defshellSort(arr):
importmath
gap=1
while(gap< len(arr)/3):
gap=gap*3+1
whilegap>0:
foriinrange(gap,len(arr)):
temp=arr[i]
j=i-gap
whilej>=0andarr[j]>temp:
arr[j+gap]=arr[j]
j-=gap
arr[j+gap]=temp
gap=math.floor(gap/3)
returnarr

5、归并排序

归并排序(Merge sort)是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。

作为一种典型的分而治之思想的算法应用,归并排序的实现由两种方法:

  • 自上而下的递归(所有递归的方法都可以用迭代重写,所以就有了第 2 种方法);
  • 自下而上的迭代;

和选择排序一样,归并排序的性能不受输入数据的影响,但表现比选择排序好的多,因为始终都是 O(nlogn) 的时间复杂度。代价是需要额外的内存空间。

(1)算法步骤

  1. 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列;

  2. 设定两个指针,最初位置分别为两个已经排序序列的起始位置;

  3. 比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置;

  4. 重复步骤 3 直到某一指针达到序列尾;

  5. 将另一序列剩下的所有元素直接复制到合并序列尾。

(2)动图演示

7fbaec60-c13b-11ed-bfe3-dac502259ad0.gif

(3)Python 代码

defmergeSort(arr):
importmath
if(len(arr)<2):
returnarr
middle=math.floor(len(arr)/2)
left,right=arr[0:middle],arr[middle:]
returnmerge(mergeSort(left),mergeSort(right))

defmerge(left,right):
result=[]
whileleftandright:
ifleft[0]<= right[0]:
result.append(left.pop(0));
else:
result.append(right.pop(0));
whileleft:
result.append(left.pop(0));
whileright:
result.append(right.pop(0));
returnresult

6、快速排序

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下,排序 n 个项目要 Ο(nlogn) 次比较。在最坏状况下则需要 Ο(n2) 次比较,但这种状况并不常见。事实上,快速排序通常明显比其他 Ο(nlogn) 算法更快,因为它的内部循环(inner loop)可以在大部分的架构上很有效率地被实现出来。

快速排序使用分治法(Divide and conquer)策略来把一个串行(list)分为两个子串行(sub-lists)。

快速排序又是一种分而治之思想在排序算法上的典型应用。本质上来看,快速排序应该算是在冒泡排序基础上的递归分治法。

快速排序的名字起的是简单粗暴,因为一听到这个名字你就知道它存在的意义,就是快,而且效率高!它是处理大数据最快的排序算法之一了。虽然 Worst Case 的时间复杂度达到了 O(n²),但是人家就是优秀,在大多数情况下都比平均时间复杂度为 O(n logn) 的排序算法表现要更好,可是这是为什么呢,我也不知道。好在我的强迫症又犯了,查了 N 多资料终于在《算法艺术与信息学竞赛》上找到了满意的答案:

快速排序的最坏运行情况是 O(n²),比如说顺序数列的快排。但它的平摊期望时间是 O(nlogn),且 O(nlogn) 记号中隐含的常数因子很小,比复杂度稳定等于 O(nlogn) 的归并排序要小很多。所以,对绝大多数顺序性较弱的随机数列而言,快速排序总是优于归并排序。

(1)算法步骤

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)。在这个分区退出之后,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,但是这个算法总会退出,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。

(2)动图演示

8008203e-c13b-11ed-bfe3-dac502259ad0.gif

(3)Python 代码

defquickSort(arr,left=None,right=None):
left=0ifnotisinstance(left,(int,float))elseleft
right=len(arr)-1ifnotisinstance(right,(int,float))elseright
ifleft< right:
        partitionIndex = partition(arr, left, right)
        quickSort(arr, left, partitionIndex-1)
quickSort(arr,partitionIndex+1,right)
returnarr

defpartition(arr,left,right):
pivot=left
index=pivot+1
i=index
whilei<= right:
        ifarr[i]< arr[pivot]:
            swap(arr, i, index)
            index+=1
i+=1
swap(arr,pivot,index-1)
returnindex-1

defswap(arr,i,j):
arr[i],arr[j]=arr[j],arr[i]

7、堆排序

堆排序(Heapsort)是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法:

  1. 大顶堆:每个节点的值都大于或等于其子节点的值,在堆排序算法中用于升序排列;
  2. 小顶堆:每个节点的值都小于或等于其子节点的值,在堆排序算法中用于降序排列;

堆排序的平均时间复杂度为 Ο(nlogn)。

(1)算法步骤

  1. 创建一个堆 H[0……n-1];
  2. 把堆首(最大值)和堆尾互换;
  3. 把堆的尺寸缩小 1,并调用 shift_down(0),目的是把新的数组顶端数据调整到相应位置;
  4. 重复步骤 2,直到堆的尺寸为 1。

(2)动图演示

80384660-c13b-11ed-bfe3-dac502259ad0.gif

(3)Python 代码

defbuildMaxHeap(arr):
importmath
foriinrange(math.floor(len(arr)/2),-1,-1):
heapify(arr,i)

defheapify(arr,i):
left=2*i+1
right=2*i+2
largest=i
ifleft< arrLen andarr[left]>arr[largest]:
largest=left
ifright< arrLen andarr[right]>arr[largest]:
largest=right

iflargest!=i:
swap(arr,i,largest)
heapify(arr,largest)

defswap(arr,i,j):
arr[i],arr[j]=arr[j],arr[i]

defheapSort(arr):
globalarrLen
arrLen=len(arr)
buildMaxHeap(arr)
foriinrange(len(arr)-1,0,-1):
swap(arr,0,i)
arrLen-=1
heapify(arr,0)
returnarr

8、计数排序

计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序,计数排序要求输入的数据必须是有确定范围的整数。

(1)动图演示

80a655d8-c13b-11ed-bfe3-dac502259ad0.gif

(2)Python 代码

defcountingSort(arr,maxValue):
bucketLen=maxValue+1
bucket=[0]*bucketLen
sortedIndex=0
arrLen=len(arr)
foriinrange(arrLen):
ifnotbucket[arr[i]]:
bucket[arr[i]]=0
bucket[arr[i]]+=1
forjinrange(bucketLen):
whilebucket[j]>0:
arr[sortedIndex]=j
sortedIndex+=1
bucket[j]-=1
returnarr

9、桶排序

桶排序是计数排序的升级版。它利用了函数的映射关系,高效与否的关键就在于这个映射函数的确定。为了使桶排序更加高效,我们需要做到这两点:

  1. 在额外空间充足的情况下,尽量增大桶的数量
  2. 使用的映射函数能够将输入的 N 个数据均匀的分配到 K 个桶中

同时,对于桶中元素的排序,选择何种比较排序算法对于性能的影响至关重要。

什么时候最快

当输入的数据可以均匀的分配到每一个桶中。

什么时候最慢

当输入的数据被分配到了同一个桶中。

Python 代码

defbucket_sort(s):
"""桶排序"""
min_num=min(s)
max_num=max(s)
#桶的大小
bucket_range=(max_num-min_num)/len(s)
#桶数组
count_list=[[]foriinrange(len(s)+1)]
#向桶数组填数
foriins:
count_list[int((i-min_num)//bucket_range)].append(i)
s.clear()
#回填,这里桶内部排序直接调用了sorted
foriincount_list:
forjinsorted(i):
s.append(j)

if__name__==__main__:
a=[3.2,6,8,4,2,6,7,3]
bucket_sort(a)
print(a)#[2,3,3.2,4,6,6,7,8]

10、基数排序

基数排序是一种非比较型整数排序算法,其原理是将整数按位数切割成不同的数字,然后按每个位数分别比较。由于整数也可以表达字符串(比如名字或日期)和特定格式的浮点数,所以基数排序也不是只能使用于整数。

基数排序 vs 计数排序 vs 桶排序

基数排序有两种方法:

这三种排序算法都利用了桶的概念,但对桶的使用方法上有明显差异:

  • 基数排序:根据键值的每位数字来分配桶;
  • 计数排序:每个桶只存储单一键值;
  • 桶排序:每个桶存储一定范围的数值;

动图演示

81381996-c13b-11ed-bfe3-dac502259ad0.gif

Python 代码

defRadixSort(list):
i=0#初始为个位排序
n=1#最小的位数置为1(包含0)
max_num=max(list)#得到带排序数组中最大数
whilemax_num>10**n:#得到最大数是几位数
n+=1
whilei< n:
        bucket = {} #用字典构建桶
forxinrange(10):
bucket.setdefault(x,[])#将每个桶置空
forxinlist:#对每一位进行排序
radix=int((x/(10**i))%10)#得到每位的基数
bucket[radix].append(x)#将对应的数组元素加入到相#应位基数的桶中
j=0
forkinrange(10):
iflen(bucket[k])!=0:#若桶不为空
foryinbucket[k]:#将该桶中每个元素
list[j]=y#放回到数组中
j+=1
i+=1
returnlist


审核编辑 :李倩


声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 算法
    +关注

    关注

    23

    文章

    4605

    浏览量

    92746
  • python
    +关注

    关注

    56

    文章

    4787

    浏览量

    84534

原文标题:用Python实现十大经典排序算法(附动图)

文章出处:【微信号:AndroidPush,微信公众号:Android编程精选】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    展示C语言十大经典排序算法

    以前也零零碎碎发过一些排序算法,但排版都不太好,又重新整理一次,排序算法是数据结构的重要部分,系统地学习很有必要。
    发表于 11-08 09:45 582次阅读

    C语言经典排序算法总结

    本文将通过动态演示+代码的形式系统地总结十大经典排序算法
    发表于 06-05 10:56 527次阅读
    C语言<b class='flag-5'>经典</b><b class='flag-5'>排序</b><b class='flag-5'>算法</b>总结

    C语言实现十大经典排序算法

    比较类排序:通过比较来决定元素间的相对次序,由于其时间复杂度不能突破O(nlogn),因此也称为非线性时间比较类排序
    发表于 06-25 10:23 371次阅读
    C语言<b class='flag-5'>实现</b><b class='flag-5'>十大经典</b><b class='flag-5'>排序</b><b class='flag-5'>算法</b>

    十大排序算法总结

    排序算法是最经典算法知识。因为其实现代码短,应该广,在面试中经常会问到排序
    的头像 发表于 12-20 10:39 1098次阅读

    数据挖掘十大经典算法,你都知道哪些!

    的所有需求。而这三类里又包含许多经典算法。而今天,小编就给大家介绍下数据挖掘中最经典十大算法,希望它对你有所帮助。一、 分类决策树
    发表于 11-06 17:02

    【免费领取】运放十大经典电路(视频21集)

    运放十大经典电路(视频21集)本项目使用单个运算放大器搭建出各种经典电路,其中包括电压跟随器,同相放大电路,反相放大电路,加法器,减法器(差分放大),比较器,滞回比较器,三角波发生器,方波发生器
    发表于 10-19 14:01

    电池管理中的十大经典理论

    电池管理中的十大经典理论 1、彼得原理      每个组织都是由各种不同的职位、等级或阶层的排列所组成,每个人都隶属于
    发表于 11-06 15:43 798次阅读

    数学建模十大经典算法

    电子专业单片机相关知识学习教材资料——数学建模十大经典算法
    发表于 08-08 18:20 0次下载

    数据挖掘十大经典算法,你都知道哪些!

    的所有需求。而这三类里又包含许多经典算法。而今天,小编就给大家介绍下数据挖掘中最经典十大算法,希望它对你有所帮助。 
    发表于 11-06 17:07 2.1w次阅读

    十大经典排序算法动画与解析

    从头到尾依次扫描未排序序列,将扫描到的每个元素插入有序序列的适当位置。(如果待插入的元素与有序序列中的某个元素相等,则将待插入元素插入到相等元素的后面。)
    的头像 发表于 02-25 09:20 8118次阅读
    <b class='flag-5'>十大经典</b><b class='flag-5'>排序</b><b class='flag-5'>算法</b>动画与解析

    NI获选第八届浦东总部经济十大经典样本,持续助力中国科技创新和产业发展

    由上海市浦东新区商务委员会主办的第八届浦东总部经济十大经典样本发布活动在上海举行。NI成功获选2022年十大经典样本,以生动案例和具体实践,充分展示NI中国在行业引领性、全球资源配置功能、科技创新能力等方面的成就。
    的头像 发表于 12-01 11:46 1184次阅读

    C语言演示十大经典排序算法(含代码)

    本文将通过动态演示+代码的形式系统地总结十大经典排序算法
    的头像 发表于 01-29 11:34 1295次阅读

    演示C语言10大经典排序算法(含代码)

    本文将通过 动态演示+代码 的形式系统地总结十大经典排序算法排序算法 算法分类
    的头像 发表于 02-07 01:24 712次阅读

    常见排序算法分类

    本文将通过动态演示+代码的形式系统地总结十大经典排序算法排序算法 算法分类 ——
    的头像 发表于 06-22 14:49 896次阅读
    常见<b class='flag-5'>排序</b><b class='flag-5'>算法</b>分类

    机器学习的基本流程和十大算法

    为了进行机器学习和数据挖掘任务,数据科学家们提出了各种模型,在众多的数据挖掘模型中,国际权威的学术组织 ICDM(the IEEE International Conference on Data Mining)评选出了十大经典算法
    发表于 10-31 11:30 975次阅读
    机器学习的基本流程和<b class='flag-5'>十大</b><b class='flag-5'>算法</b>