标签：python实现 返回 最大的 介绍 完全 有一个 idt ice str
本文介绍了几种常用的排序算法，包含冒泡排序，选择排序，插入排序，归并排序，快速排序，堆排序，本文涉及的代码可以在https://github.com/lianyingteng/Programming-practice上找到
时间复杂度为O(n^2)， 稳定的排序算法
思路：一开始比较的区间是【0，n-1】，依次比较相邻两数，哪个数大哪个数就放在后面，这样一次遍历数组后，最大的数会在数组的最后一个位置，然后比较区间从【0，n-1】缩小到了【0，n-2】，在进行一次遍历下来，第二大的数会被放在数组倒数第二的位置，依次类推。直到把范围缩小到一个数的时候，数组就有序了。
def bubbleSort(arr):
length = len(arr) for i in range(length-1): #趟数 for j in range(length-i-1): #每趟元素数 if arr[j] > arr[j+1]: arr[j], arr[j+1] = arr[j+1], arr[j] return arr
时间复杂度为O(n^2)，不稳定的排序算法
思路：一开始从【0，n-1】选出一个最小值放在位置0上；第二次从【1，n-1】上选择一个最小值放在位置1上；依次类推；直到数组访问剩下一个元素时，数组有序了。
def selectionSort(arr): """选择排序 """ length = len(arr) for i in range(length): min_i = i # 最小值索引 for j in range(i, length): if arr[min_i] > arr[j]: min_i = j arr[min_i], arr[i] = arr[i], arr[min_i] return arr
时间复杂度为O(n^2)，稳定的排序算法
注：当数组几乎有序的情况下，时间复杂度为O(n*k)，k为最多移动的距离；当数组逆序时，时间复杂度最大为O(n^2)
思路：把n个待排序的元素看成是一个有序表和一个无序表，开始时有序表只有一个元素，无序表有n-1个元素。排序过程中每次从无序表中取出一个元素，把它的排序码依次与有序表中元素比较（后->前），将它插入有序表的适当位置，使之成为新的有序表。
def insertSort(arr): """插入排序 """ length = len(arr) for i in range(length-1): o_i = i # 有序表最后一个元素索引 u_v = arr[o_i+1] # 无序表的元素值 while o_i >= 0 and arr[o_i] > u_v: arr[o_i+1] = arr[o_i] o_i -= 1 arr[o_i+1] = u_v # 带插入元素合适位置，+1是因为前面-1 return arr
时间复杂度为O(nlogn)，稳定的排序算法
思路：首先让数组每一个元素成为长度为1的有序区间；然后将两个长度为1的有序区间进行合并，生成长度为2的有序区间；然后再将两个长度为2的有序区间进行合并，生成长度为4的有序区间；依次类推，直至数组有序。1合2，2合4，4合8，8合16，……。
def mergerSort(arr): """归并排序 划分成左右两部分； 两两合并，成有序数组 """ if len(arr) <= 1: return arr mid = len(arr) // 2 # 左右划分， 生成长度为1的有序数组时开始返回 leftArr = mergerSort(arr[:mid]) rightArr = mergerSort(arr[mid:]) # 两两合并 return merger(leftArr, rightArr) def merger(left, right): """合并两个有序数组，形成新的有序数组返回 """ res = [] l, r = 0, 0 while l < len(left) and r < len(right): if left[l] <= right[r]: res.append(left[l]) l += 1 else: res.append(right[r]) r += 1 res += left[l:] res += right[r:] return res
时间复杂度为O(nlogn), 不稳定的排序算法
注：在数组完全无序的情况下，快排效果最好，为O(nlogn)；在有序情况下效果最差，为O(n^2)。
思路：随机排序 - 在数组中随机选择一个数，使得数组中大于它的数放在它的右边、小于等于它的数放在它的左边，然后左右两边的数递归的调用快排的过程。
快排的一次划分过程 - 时间复杂度为O(n)：
首先，我们随机选择数组中的一个作为划分值；然后把划分值与数组的最后一个元素进行交换，使得划分值放到数组的最后一个位置（如b）；然后我们定义一个小于等于区间，初始时，小于等于区间为空，放在数组的最左边（如c）；然后开始遍历数组，如果元素大于划分值，继续遍历下一个元素，如果元素值小于等于划分值，就让该元素与小于等于区间的下一个元素进行交换，扩增小于等于区间（如d，e）；依次执行这个过程，直到数组中只剩一个数；然后数组最后一个数（划分值）与小于等于区间的下一个数进行交换，快排的一次划分过程就结束了（如f，g）。
def quickSort(arr, left, right): """快速排序 对left到right区间上的数组进行快排 """ if left >= right: return None midValue = arr[(left+right)//2] # 划分值 l, r = left, right while l < r: while arr[l] < midValue: l += 1 while arr[r] > midValue: r -= 1 if l >= r: break arr[l], arr[r] = arr[r], arr[l] r -= 1 l += 1 if l == r: l += 1 r -= 1 if left < r: quickSort(arr, left, r) if right > l: quickSort(arr, l, right) return None
时间复杂度：O(nlogn)，不稳定的排序算法，常用于查找top x
思路：首先将数组【0，n-1】区间上的所有元素构建大根堆，然后将堆顶元素与数组最后一个元素进行交换，这样数组最后一个元素为最大值，作为数组有序部分存在下来；然后将数组【0，n-2】区间上的所有元素构建大根堆，然后执行堆顶元素与数组的倒数第二个元素进行交换，这样数组后两位元素分别是数组的最大值和第二大的值存在下来；然后将数组区间【0，n-3】区间构建大根堆，交换；重复以上过程直到数组有序。
def heapSort(arr): """堆排序 """ arr = buildMaxHeap(arr) for i in list(range(len(arr)))[::-1]: arr[0], arr[i] = arr[i], arr[0] adjustHeap(arr, 0, i) # n表示数组的大小（不是堆） return arr def buildMaxHeap(arr): """建立大根堆 从下向上构建 """ for i in list(range(len(arr)//2))[::-1]: adjustHeap(arr, i, len(arr)) return arr def adjustHeap(arr, start, size): """将数组[start:]调整成堆结构 参数 --- start： int 数组起始index size：int 数组大小 """ lChild = 2 * start + 1 rChild = 2 * start + 2 maxi = start if maxi < size//2: # 说明有孩子 if lChild < size and arr[lChild] > arr[maxi]: maxi = lChild if rChild < size and arr[rChild] > arr[maxi]: maxi = rChild if maxi != start: # == 说明已经是最大堆了，所以这里不是 arr[maxi], arr[start] = arr[start], arr[maxi] adjustHeap(arr, maxi, size)
标签：python实现 返回 最大的 介绍 完全 有一个 idt ice str
原文地址：http://www.cnblogs.com/lianyingteng/p/7729462.html
