几种排序算法的学习，利用Python和C实现

之前学过的都忘了，也没好好做过总结，现在总结一下。

时间复杂度和空间复杂度的概念：

1、空间复杂度:
是程序运行所以需要的额外消耗存储空间,一般的递归算法就要有o(n)的空间复杂度了,简单说就是递归集算时通常是反复调用同一个方法，递归n次，就需要n个空间。

2、时间复杂度：
一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f (n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。
在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1),另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。

按数量级递增排列，常见的时间复杂度有：

常数阶O(1),对数阶O(log2n),线性阶O(n),

线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...，

目前我已经学过的排序算法包括

1、二次排序：

1、插入排序

2、选择排序

2、递归排序：

1、归并排序

2、快速排序

3、希尔排序

4、冒泡排序

一、冒泡排序

原理：  冒泡排序就是把小的元素往前调或者把大的元素往后调。比较是相邻的两个元素比较，交换也发生在这两个元素之间。

评价：是效率最低的一种排序算法。

时间复杂度：最差和平均均为O(n2)

稳定性：由于相等的元素不需要交换，所以比较稳定

代码：

C实现：

#include<stdio.h>
#include<stdlib.h>
#include<time.h>

int msort(int array[],int n)
{
    int exchange = ;
        int i,j;
        i=j=;
    for(i=;i<n;i++)
    {
        j=n-;
        while(j > i)
        {
            int temp=;
            //printf("%d",array[j]);
            if (array[j]<array[j-])
            {
                temp = array[j];
                printf("%d",temp);
                array[j] = array[j-];
                array[j-] = temp;
                exchange = ;
            }
            j=j-;
        }
        if (exchange == )
            break;
    }
    for(i=;i<n;i++)
        printf("%d\n",array[i]);
}

int main(void)
{
    int SIZE=;
    int array[]={,,,,,,,,};
    int i=;
    for(i=;i<SIZE;i++)
        printf("%d\n",array[i]);
    msort(array,SIZE);
    return ;
}

Python实现：

import timeit

def  msort(array):
    exchange=False
    for i in xrange(len(array)):
        j=len(array)-1
        while(j>i):
            if array[j]<array[j-1]:
                array[j-1],arra[j]=array[j],array[j-1]
                exchange=True
            j=j-1
        if exchange!=True:
            break

    print array

def main():
    array=list(range(0,10000))
    msort(array)

if __name__=="__main__":
    t=timeit.Timer("main()",'from __main__ import main')
    print t.timeit(1)

二、选择排序

原理：简单点说就是从数组第一个位置开始，给每个位置在剩余的元素中都找到最小的值放上去。

评价：由于每次都要寻找最值，所以选择排序效率不高

时间复杂度：最坏，最优和平均时间复杂度都是O(n2).

稳定性：由于交换，可能导致相等元素的前后顺序发生变化，所以不稳定。比如举个例子，序列5 8 5 2 9， 我们知道第一遍选择第1个元素5会和2交换，那么原序列中2个5的相对前后顺序就被破坏了

代码：

C实现：

#include<stdio.h>
#include<stdlib.h>

void ssort(int array[],int n)
{
    int i,j;
    int small;
    for(i=;i<n;i++)
    {
        small=i;
        for(j=i+;j<n;j++)
        {
            if (array[j]<array[small])
                small=j;
        }
        int temp=;
        if (small!=i)
        {
            temp=array[i];
            array[i]=array[small];
            array[small]=temp;
        }
    }
    for(i=;i<n;i++)
        printf("%d ",array[i]);

}

int main(void)
{
    int array[]={,,,,,,};
    ssort(array,);
}

Python实现：

def ssort(array):

    for i in xrange(0,len(array)):
        j=i+1
        small=i
        while j<len(array):
            if array[j]<array[small]:
                small=j;
            j+=1
        if i!=small:
            array[small],array[i] = array[i],array[small]

    return array

array=[2,62,7,3,8,1,1]
print 'any',all(array)
print ssort(array)

三、插入排序：

原理：为当前有序序列插入元素，插入到正确的位置。当然，刚开始这个有序的小序列只有1个元素，就是第一个元素。比较是从有序序列的末尾开 始，也就是想要插入的元素和已经有序的最大者开始比起，如果比它大则直接插入在其后面，否则一直往前找直到找到它该插入的位置。

评价：对于比较有序的数组列表来说，效率是线性的，相当快。

稳定度：如果碰见一个和插入元素相 等的，那么插入元素把想插入的元素放在相等元素的后面。所以，相等元素的前后顺序没有改变，从原无序序列出去的顺序就是排好序后的顺序，所以插入排序是稳 定的。

时间复杂度：最差的情况是逆序的，需要O(n2)，平均也是O（n2),最优的是线性的。

C实现

#include<stdio.h>
#include<stdlib.h>

int isort(int array[],int n)
{
    int i=;
    int j;
    for(i=;i<n;i++)
    {
        int temp=array[i];
        for(j=i;j>&&array[j-]>temp;j--)
        {
            array[j]=array[j-];
        }
        array[j]=temp;
    }
    for(i=;i<;i++)
    {
        printf("%d ",array[i]);
}
}

int main(void)
{
    int array[]={,,,,,,};
    int result[];
    isort(array,);
}

Python实现：

def isort(array):
    for i in xrange(,len(array)):
        temp=array[i]
        j=i
        while j> and array[j-]>temp:
            array[j]=array[j-]
            j=j-
        array[j]=temp
    return array

print isort([,,,,,])

四、归并排序

原理：采用分治法，将数组分成两部分元素，如此下去，知道只剩下一个元素，采用递归调用。两部分数组比较，需要一个临时数组，存储有序值。

评价：算法很快，但是需要分配临时数组，耗费内存。

稳定度：由于在比较时，两个相等值可以保证位置不变，所以是稳定的。

时间复杂度：最优，最差和平均都是O(nlogn)

代码：

Python：

def merge(L1,L2):
    sorted_array=[]
    while L1 and L2:
        if L1[0] <= L2[0]:
            sorted_array.append(L1.pop(0))
        else:
            sorted_array.append(L2.pop(0))
    if L1:
        sorted_array.extend(L1)
    if L2:
        sorted_array.extend(L2)
    return sorted_array

def mersort(array):
    if len(array)<=1:
        return array
    center=int(len(array)/2)
    return merge(mersort(array[:center]),mersort(array[center:]))

if __name__=="__main__":
    array=[8,20,15,4,6,3,7,2,1,9]
    print mersort(array)
    

五、快速排序

原理：和归并排序的思想是相同的，都采用分治法，但是不同的是需要选择一个基准数，根据基准数把数组分为两段，比基准数小的在左边，比基准数大的在右边。左右两边再分别采用这种方法，如此递归调用下去，知道只剩下一个元素。

评价：关键是找到基准数，基准数一般是随机选择三个值，选择中间值，或者选择数组第一个元素，但是如果第一个元素是最小的或最大的就糟糕了。

稳定性：不稳定。比如序列为 5 3 3 4 3 8 9 10 11， 现在基准元素5和3(第5个元素，下标从1开始计)交换就会把元素3的稳定性打乱，所以快速排序是一个不稳定的排序算法

时间复杂度：最坏的情况是O(n2）,最好喝平均都是O（nlogn)

python实现：

import random

def partition(array,left,right):

    if right-left==1:
        if array[left]>array[right]:
            array[left],array[right]=array[right],array[left]
        return None

    base=array[left]
    big_index,small_index = left+1,right
    while big_index < small_index:
        while array[big_index] <= base and big_index < right:
            big_index += 1
        while array[small_index] >= base and small_index > left:
            small_index -=1
        if big_index < small_index:
            array[big_index],array[small_index] = array[small_index],array[big_index]
    array[left],array[small_index] = array[small_index],base
    return small_index

def qsort(array,left,right):
    if  right > left:
        mid=partition(array,left,right)
        if mid is not None:
            qsort(array,left,mid)
            qsort(array,mid+1,right)

if __name__=="__main__":
    array=[]
    for i in xrange(0,50):
        array.append(random.randint(0,30))
    qsort(array,0,(len(array)-1))
    print array

其实快速排对大数组很有效率，但如果小数组，插入排序比较好，经验表明，元素数目小于15时，可以改为插入排序

Python：

import random
from insert.isort import import isort
def partition(array,left,right):

    if right-left==1:
        if array[left]>array[right]:
            array[left],array[right]=array[right],array[left]
        return None

    base=array[left]
    big_index,small_index = left+1,right
    while big_index < small_index:
        while array[big_index] <= base and big_index < right:
            big_index += 1
        while array[small_index] >= base and small_index > left:
            small_index -=1
        if big_index < small_index:
            array[big_index],array[small_index] = array[small_index],array[big_index]
    array[left],array[small_index] = array[small_index],base
    return small_index

def qsort(array,left,right):
    if  right-left>15:
        mid=partition(array,left,right)
        if mid is not None:
            qsort(array,left,mid)
            qsort(array,mid+1,right)
    else:
        isort(array)

if __name__=="__main__":
    array=[]
    for i in xrange(0,50):
        array.append(random.randint(0,30))
    qsort(array,0,(len(array)-1))
    print array

六、希尔排序

原理：采用不同的步长，分别进行插入排序，直到步长为1.原理解释最直观的如下：

例如，假设有这样一组数[ 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 ]，如果我们以步长为5开始进行排序，我们可以通过将这列表放在有5列的表中来更好地描述算法，这样他们就应该看起来是这样：

13 14 94 33 82

25 59 94 65 23

45 27 73 25 39

10

然后我们对每列进行排序：

10 14 73 25 23

13 27 94 33 39

25 59 94 65 82

45

将上述四行数字，依序接在一起时我们得到：[ 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 ].这时10已经移至正确位置了，然后再以3为步长进行排序：

10 14 73

25 23 13

27 94 33

39 25 59

94 65 82

45

排序之后变为：

10 14 13

25 23 33

27 25 59

39 65 73

45 94 82

94

最后以1步长进行排序（此时就是简单的插入排序了）。

评价：选择步长是关键，选择好了，比较快，一般步长初始选择数组长度除以2，一直除以2，一直到步长为1.

稳定度：不稳定，不同部分数组排序，很有可能打破相等元素的顺序。

时间复杂度：（摘抄）：

需要大量的辅助空间，和归并排序一样容易实现。希尔排序是基于插入排序的一种算法， 在此算法基础之上增加了一个新的特性，提高了效率。希尔排序的时间复杂度与增量序列的选取有关，例如希尔增量时间复杂度为O(n²)，而Hibbard增量的希尔排序的时间复杂度为O(

)，但是现今仍然没有人能找出希尔排序的精确下界。希尔排序没有快速排序算法快 O(n(logn))，因此中等大小规模表现良好，对规模非常大的数据排序不是最优选择。但是比O(

)复杂度的算法快得多。并且希尔排序非常容易实现，算法代码短而简单。 此外，希尔算法在最坏的情况下和平均情况下执行效率相差不是很多，与此同时快速排序在最坏的情况下执行的效率会非常差。专家们提倡，几乎任何排序工作在开始时都可以用希尔排序，若在实际使用中证明它不够快，再改成快速排序这样更高级的排序算法. 本质上讲，希尔排序算法是直接插入排序算法的一种改进，减少了其复制的次数，速度要快很多。 原因是，当n值很大时数据项每一趟排序需要的个数很少，但数据项的距离很长。当n值减小时每一趟需要和动的数据增多，此时已经接近于它们排序后的最终位置。 正是这两种情况的结合才使希尔排序效率比插入排序高很多。

Python实现：

def shsort(array):
    interval = len(array)/2
    while interval >= 1:
        i = interval
        while i < len(array):
            if array[i] < array[i-interval]:
                j=i-interval
                temp=array[i]
                while j >=0 and array[j] >temp:
                    array[j+interval]=array[j]
                    j-=interval
                array[j+interval]=temp
            i+=1
        interval/=2

    return array

if __name__=="__main__":

    array=[3,6,9,5,7,4,8,2,1]
    print shsort(array)

七、基数排序

原理：又名桶子排序，有10个桶。首先把个位数按照顺序放到桶子中，个位数相同的就放在同一个桶子里；然后再按照十位数的大小顺序放到桶子里，依次类推，最后得到结果。

评价：基数排序的时间复杂度是 O(k·n)，其中n是排序元素个数，k是数字位数。注意这不是说这个时间复杂度一定优于O(n·log(n))，k的大小取决于数字位的选择（比如比特位数），和待排序数据所属数据类型的全集的大小；k决定了进行多少轮处理，而n是每轮处理的操作数目。

以排序n个不同整数来举例，假定这些整数以B为底，这样每位数都有B个不同的数字，k = log_B(N)，N是待排序数据类型全集的势。虽然有B个不同的数字，需要B个不同的桶，但在每一轮处理中，判断每个待排序数据项只需要一次计算确定对应数位的值，因此在每一轮处理的时候都需要平均n 次操作来把整数放到合适的桶中去，所以就有：

• k 约等于 log_B(N)

所以，基数排序的平均时间T就是：

T ～= log_B(N)·n

其中前一项是一个与输入数据无关的常数，当然该项不一定小于logn

稳定度：很稳定.基数排序基于分别排序，分别收集，所以其是稳定的排序算法

时间复杂度：O(k·n)

Python实现：

def rsort(array):
    length = len(str(max(array)))
    locat = 0
    while locat < length:
        bucket = []
        for n in xrange(0,10):
            bucket.append([])
        for i in array:
            index=i%10 if not locat else i/(locat*10)%10
            bucket[index].append(i)    

        array = []
        for i in bucket:
            array.extend(i)
        locat += 1
    return array

print rsort([35,8611,84,36,745,154,39,4,3])
        

八、堆排序

原理：构成堆，将末端值与根节点交换

稳定度：不稳定

时间复杂度：nlogn

Python实现：

def make_heap(array,start,end):
    lchild = lambda x:2*x+1
    rchild = lambda x:2*x+2
    root = start
    while True:
        left = lchild(root)
        if left > end:
            break
        right = rchild(root)
        child = right if right <= end and array[left]<array[right] else left
        if array[child] <= array[root]:
            break
        else:
            array[root],array[child] = array[child],array[root]
            root = child

def list_heap(array):
    for i in xrange(len(array)/2,-1,-1):
        make_heap(array,i,len(array)-1)

def hsort(array):
    list_heap(array)
    for end in xrange(len(array)-1,0,-1):
        array[0],array[end] = array[end],array[0]
        make_heap(array,0,end-1)
    return array

if __name__=="__main__":

array=[3,7,1,8,230,56,100,34,12,40,9,54,67,24,26]
   print hsort(array)