各种排序整理

速查：

以下的排序用python来实现，比较方便

2、快排

这个图是真的棒！一定要给抄过来哈哈哈哈哈，特地放一下原地址

a)、时间复杂度(重要)

众所周知 快排的 平均时间复杂度 和 最优时间复杂度 都是：O(nlogn)，

最坏情况下(元素基本有序)：O( n^2 )

b)、概念和实现

快排（quick sort）采用了分治的思想，个人觉得用递归来概括也是可以的。

思想：

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。

具体方法:

1. 在数列之中，选择一个元素作为”基准”（pivot），或者叫比较值。(一般会选用 左1 元素)
2. 数列中所有元素都和这个基准值进行比较，如果比基准值小就移到基准值的左边，如果比基准值大就移到基准值的右边
3. 以基准值左右两边的子列作为新数列，不断重复第一步和第二步，直到所有子集只剩下一个元素为止。

代码实现：

def quickSort(targetlist, left ,right):
    if left>right:
        return
    pivot = targetlist[left]   # pivot是基准
    i = left
    j = right
    while(i < j):
        # 如果right一直大于pivot，则继续走 直到找到比pivot小的
        while(targetlist[j] >= pivot and i<j):
            j -=1
        while(targetlist[i] <= pivot and i<j):
            i+=1
        # 此时right < pivot，left > pivot, 将i和j做交换
        if(i < j): # 这里做判断是为了right到了left位置时，不用再将执行下面这三行代码了
            temp = targetlist[i]
            targetlist[i] = targetlist[j]
            targetlist[j] = temp
    # left和right相遇了
    # 将相遇点的元素和pivot做交换
    targetlist[left] = targetlist[j]
    targetlist[j] = pivot
    print(targetlist)
    # 对于基准点两边的元素分别在做排序
    quickSort(targetlist, left,j-1)    # 递归
    quickSort(targetlist, j+1,right)


if __name__ == "__main__":
    target = [180,183,187,182,55,123,490,999,2]
    quickSort(target,0,len(target)-1)
    print(target)

或者借用lambda表达式 一行代码...也行，下面代码结果是升序的

quick_sort = lambda array: array if len(array) <= 1 else quick_sort([
    item for item in array[1:] if item <= array[0]
]) + [array[0]] + quick_sort([item for item in array[1:] if item > array[0]])

target = [180,183,187,182,55,123,490,999,2]
a = quick_sort(target)
print(a)

c)、总结（重要）

1. 稳定性：快排是一种不稳定排序，比如基准值的前后都存在与基准值相同的元素，那么相同值就会被放在一边，这样就打乱了之前的相对顺序
2. 比较性：因为排序时元素之间需要比较，所以是比较排序
3. 时间复杂度：快排的时间复杂度为O(nlogn)
4. 空间复杂度：排序时需要另外申请空间（改进算法不需要额外空间），并且随着数列规模增大而增大，其复杂度为：O(nlogn)
5. 归并排序与快排 ：归并排序与快排两种排序思想都是分而治之，但是它们分解和合并的策略不一样：归并是从中间直接将数列分成两个，而快排是比较后将小的放左边大的放右边，所以在合并的时候归并排序还是需要将两个数列重新再次排序，而快排则是直接合并不再需要排序，所以快排比归并排序更高效一些。
6. 快速排序有一个缺点就是对于小规模的数据集性能不是很好。

3、冒泡排序

冒泡排序是一种比较容易理解的排序算法，它重复的访问比较要排序的元素列，一次比较两个相邻的元素，一层一层的将较大的元素往后移动，这种类似气泡在上升过程中慢慢变大效果的排序就是冒泡排序

a)、时间复杂度

一般来说，因为它需要双层循环n*(n-1))，所以平均时间复杂度为O(n^2)

改进后的算法这里不考虑。

b)、概念和实现

思想：

1. 从第一个和第二个开始比较，如果第一个比第二个大，则交换位置，然后比较第二个和第三个，逐渐往后
2. 经过第一轮后最大的元素已经排在最后，所以重复上述操作的话第二大的则会排在倒数第二的位置。
3. 那重复上述操作n-1次即可完成排序，因为最后一次只有一个元素所以不需要比较

代码实现：

"""冒泡排序"""
def bubbleSort(targetlist):
    # 第一层for循环表示循环的遍数
    for i in range(len(targetlist) -1):
        # 第二层for表示具体比较哪两个元素
        for j in range(len(targetlist) -1 -i):
            if targetlist[j] > targetlist[j+1]:
                # 如果前大后小，则交换
                targetlist[j],targetlist[j+1] = targetlist[j+1],targetlist[j]
                

if __name__ == "__main__":
    target = [180,183,187,182,55,123,490,999,2]
    bubbleSort(target)
    print(target)

c)、总结

• 这是一种偏慢的排序算法，仅适用于对于含有较少元素的数列进行排序
• 稳定性：只有当前一个元素大于后一个元素时候才会调换顺序，所以它是稳定的
• 比较性：排序时候元素之间需要比较，所以是比较排序
• 空间复杂度：只需要常数个辅助单元，所以空间复杂度为O(1)，我们把空间复杂度为O(1)的排序成为原地排序（in-place）

4、选择排序

没有找到更好的动图了好可惜

选择排序（selection sort）是一种简单直观的排序算法。每次从待排序的数据元素中选出最小（最大）的一个元素，存放在序列的起始位置，故而称为 选择排序

a)、时间复杂度

选择排序同样是双层循环n*(n-1))，所以时间复杂度也为：O(n^2)

b)、概念和实现

思想：

1. 设第一个元素为比较元素，依次和后面的元素比较，比较完所有元素找到最小的元素，将它和第一个元素互换
2. 重复上述操作，我们找出第二小的元素和第二个位置的元素互换，以此类推找出剩余最小元素将它换到前面，即完成排序

代码实现：

该实现方法和冒泡方法有点像，都是双层循环

"""选择排序"""
def selectionSsort(targetlist):
    # 第一层for表示循环选择的遍数
    for i in range(len(targetlist) - 1):
        # 将起始元素设为最小元素
        min_index = i
        # 第二层for表示最小元素和后面的元素逐个比较
        for j in range(i + 1, len(targetlist)):
            if targetlist[j] < targetlist[min_index]:
                # 如果当前元素比最小元素小，则把当前元素角标记为最小元素角标
                min_index = j
        # 查找一遍后将最小元素与起始元素互换
        targetlist[min_index], targetlist[i] = targetlist[i], targetlist[min_index]


if __name__ == "__main__":
    target = [180,183,187,182,55,123,490,999,2]
    selectionSsort(target)
    print(target)

c)、总结

1. 稳定性：因为存在任意位置的两个元素交换，比如[5, 8, 5, 2]，第一个5会和2交换位置，所以改变了两个5原来的相对顺序，所以为不稳定排序。
2. 比较性：因为排序时元素之间需要比较，所以是比较排序
3. 空间复杂度：只需要常数个辅助单元，所以空间复杂度也为O(1)

5、插入排序

插入排序（Insertion-Sort）的算法描述也是一种简单直观的排序算法。主要时通过构建有序序列，对于未排序的数据，在已排序序列中从后向前扫描，找到相应的位置再插入。就像是在书架中插书：先找到相应位置，将后面的书往后推，再将书插入，如上图所示。

插入排序的适用场景：一个新元素需要插入到一组已经是有序的数组中，或者是一组基本有序的数组排序。

a)、时间复杂度

插入排序同样需要两次循坏一个一个比较，故时间复杂度也为O(n^2)

b)、概念和实现

思想：

1. 从第二个元素开始和前面的元素进行比较，如果前面的元素比当前元素大，则将前面元素 后移，当前元素依次往前，直到找到比它小或等于它的元素插入在其后面
2. 然后选择第三个元素，重复上述操作，进行插入
3. 依次选择到最后一个元素，插入后即完成所有排序

举例：

一次遍历排好一个元素

代码实现：

"""插入排序"""
def insertionSort(targetlist):
    # 第一层for表示循环插入的遍数
    for i in range(1, len(targetlist)):
        # 设置当前需要插入的元素
        current = targetlist[i]
        # 与当前元素比较的比较元素
        pre_index = i - 1
        # 将所有当前元素之前的且大于当前元素的元素向后移动
        while pre_index >= 0 and targetlist[pre_index] > current:
            # 比较元素大于当前元素则把比较元素后移
            targetlist[pre_index + 1] = targetlist[pre_index]
            # 向前选择下一个比较元素，继续比较
            pre_index -= 1
        # 经过上面的一系列挪动，当比较元素小于当前元素，则将当前元素插入在其后面
        targetlist[pre_index + 1] = current


if __name__ == "__main__":
    target = [180,183,187,182,55,123,490,999,2]
    insertionSort(target)
    print(target)

c)、总结

• 需要区别于选择排序

• 当一个新元素需要插入到一组已经是有序的数组中，或者是一组基本有序的数组排序（而快排则是基本无序的情况下使用的）

• 其他特点

  • 比较性：排序时元素之间需要比较，所以为比较排序
  • 稳定性：从代码我们可以看出只有比较元素大于当前元素，比较元素才会往后移动，所以相同元素是不会改变相对顺序是稳定的
  • 空间复杂度：只需要常数个辅助单元，所以空间复杂度也为O(1)

还有一些算法后面在更新，今天就先过掉这些基本算法

几种简单的排序算法（二）基本排序算法

原文：https://www.cnblogs.com/ppppian2020/p/13110282.html