冒泡排序(Bubble Sort)
算法步骤
- 比较相邻元素,如果前一个比后一个大,就交换他们位置。
- 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,直到没有任何一对数字需要比较。
动态演示
Python实现
def BubbleSort(arr): for i in range(1,len(arr)):#比较len(arr)-1次 for j in range(0,len(arr)-i):#已经冒泡个数 if arr[j]>arr[j+1]: arr[j],arr[j+1]=arr[j+1],arr[j] return arr
选择排序(Selection Sort)
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。
算法步骤
- 首先在未排序序列中找到最小(大)元素,将其放到未排序序列首部。
- 再从剩余未排序元素中寻找最小(大)元素,放到未排序序列首部(已排序序列尾部)
- 不断重复步骤2,直至所有元素排序完毕
动图演示
Python实现
def selectSort(arr): for i in range(0,len(arr)-1): min_index = i #记录最小数的索引 for j in range(i+1,len(arr)): if arr[j]<arr[min_index]: min_index = j if i!=min_index: arr[i],arr[min_index]=arr[min_index],arr[i] return arr
插入排序(insert sort)
算法步骤
- 将第一待排序序列的第一个元素看做有序序列,把第二个元素到最后一个元素当做无序序列
- 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。
动图演示
Python实现
def insertSort(arr): for i in range(0,len(arr): preIndex = i-1 current = arr[i] while preIndex>=0 and arr[preIndex]>current: arr[preIndex + 1] = arr[preIndex] preIndex -=1 arr[preIndex] = current return arr
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。
算法步骤
- 选择一个增量序列 t1,t2,……,tk,其中 ti > tj, tk = 1;
- 按增量序列个数 k,对序列进行 k 趟排序;
- 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。
动态演示
Python实现
import math def shellSort(arr): gap = 1 while (gap<len(arr)/3): gap = gap*3 + 1 while gap>0: for i in range(gap,len(arr)): temp = arr[i] j = i-gap while j >=0 and arr[j] > temp: arr[j+gap]=arr[j] j-=gap arr[j+gap] = temp gap = math.floor(gap/3) return arr
归并排序(MergeSort)
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:
- 自上而下递归
- 自下而上迭代
算法步骤
- 申请空间,使其大小为2个已经排序序列之和,该空间用来存放合并后的序列;
- 设定两个指针,最初位置分别为两个已排序序列的起始位置;
- 比较两个指针所指向的元素,选择相对小的元素放到合并空间,并移动指针到下一位置;
- 重复步骤3直到某一指针到达序列对位;
- 将另一序列剩下的所有元素直接复制到合并序列尾。
动态展示
Python代码实现
import math def mergeSort(arr): if (len(arr)<2): return arr middle = math.floor(len(arr)/2) left,right = arr[0:middle],arr[middle:] return merge(mergeSort(left),mergeSort(right)) def merge(left,right): result = [] while left and right: if left[0]<=right[0]: result.append(left.pop(0)) else: result.append(right.pop(0)) while left: result.append(left.pop(0)) while right: result.append(right.pop(0)) return result
快速排序
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。
算法步骤
- 从数列中挑出一个元素,称为‘基准(pivot)’
- 重新排列序列,所有元素比基准值小的放在基准前面,所有元素比基准值大的摆在基准的后面(相同的可以放在任意一边)。在这个分区退出后,该基准就处于数列的中间位置。这个称为分区(partition)操作;
- 递归地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;
动图演示
Python代码实现
def quickSort(arr,left=None,right=None): left = 0 if not isinstance(left,(int,float)) else left right = len(arr)-1 if not isinstance(right,(int,float)) else right if left<right: partitionIndex = partition(arr,left,right) quickSort(arr,left,partitionIndex-1) quickSort(arr,partitionIndex+1,right) return arr def partition(arr,left,right): pivot = left index = pivot + 1 #index负责作为小于基准值的指针 i = index while i<= right: if arr[i] < arr[pivot]: swap(arr,i,index) index+=1 i+=1 swap(arr,pivot,index-1)#pivot和小于他的数末端的数字交换,将pivot放到比较队列中部 return index-1#返回pivot位置 def swap(arr,i,j): arr[i],arr[j]=arr[j],arr[i] def quick_sort(data):#另一种实现(便于理解) d = [[], [], []] d_pivot = data[-1] # 因为是乱序数组,所以第几个都是可以的,理论上是一样的 for i in data: if i < d_pivot: # 小于基准值的放在前 d[0].append(i) elif i > d_pivot: # 大于基准值的放在后 d[2].append(i) else: # 等于基准值的放在中间 d[1].append(i) if len(d[0]) > 1: # 大于基准值的子数组,递归 d[0] = quick_sort(d[0]) if len(d[2]) > 1: # 小于基准值的子数组,递归 d[2] = quick_sort(d[2]) d[0].extend(d[1]) d[0].extend(d[2]) return d[0]
堆排序(Heapsort)
堆排序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:即子节点的键值或索引总是小于(或大于)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:
- 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;
- 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O(nlogn)
算法步骤
- 创建一个堆H[0....n-1];
- 把堆首(最大值)和堆尾互换;
- 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;
- 重复步骤2,直到堆的尺寸为1。
动图演示
python代码实现
import math def buildMaxHeap(arr): for i in range(math.floor(len(arr)/2),-1,-1): heapify(arr,i) def heapify(arr,i): left = 2*i + 1 right = 2*i +2 largest = i if left < arrLen and arr[left]>arr[largest]: largest = left if right<arrLen and arr[right]>arr[largest]: largest = right if largest != i: swap(arr,i,largest) heapify(arr,largest) def swap(arr,i,j): arr[i],arr[j] = arr[j],arr[i] def heapSort(arr): global arrLen arrLen = len(arr) buildMaxHeap(arr) for i in range(len(arr)-1,0,-1): swap(arr,0,i) heapify(arr,0) return arr
引用内容
https://www.cnblogs.com/wuxinyan/p/8615127.html
https://www.cnblogs.com/Mufasa/p/10527387.html