各种排序算法总结

本文主要是为了总结各种算法的写法，复杂度，以及稳定性分析，主要是个人做个记录，如果有任何需要修改或优化的地方欢迎在评论区留言哦！

排序算法时间、空间、稳定性表

算法	最好	最坏	平均	空间	稳定性
冒泡排序	O(n)	O(n²)	O(n²)	O(1)	稳定
选择排序	O(n²)	O(n²)	O(n²)	O(1)	不稳定
插入排序	O(n)	O(n²)	O(n²)	O(1)	稳定
快速排序	O(nlog n)	O(n²)	O(nlog n)	O(log n)-O(n)	不稳定
归并排序	O(nlog n)	O(nlog n)	O(nlog n)	O(n)	稳定
希尔排序	O(n^1.3)	O(n²)	O(nlog n)-O(n²)	O(1)	不稳定
计数排序	O(n+k)	O(n+k)	O(n+k)	O(n+k)	稳定
基数排序	O(nk)	O(nk)	O(nk)	O(n+k)	稳定
桶排序	O(n)	O(n)	O(n)	O(n+m)	稳定
堆排序	O(nlog n)	O(nlog n)	O(nlog n)	O(1)	不稳定

注：稳定性是指：假定在待排序的记录序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，即在原序列中，ri=rj，且ri在rj之前，而在排序后的序列中，ri仍在rj之前，则称这种排序算法是稳定的；否则称为不稳定的。

冒泡排序 Bubble Sort

概述

作为本人踏入算法殿堂学习的第一个排序算法，冒泡排序可以算是经典算法之一了，它的基本思想是：*两个数比较大小，较大的数下沉，较小的数冒起来*。

比较相邻的元素。如果第一个比第二个大，就交换他们两个。
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。

图示

Python 算法实现

def bubble(array):
    for i in range(len(array)):
        for j in range(len(array)-i-1):
            if array[j] > array[j+1]:  #判断大小，大的排在后面
                array[j], array[j+1] = array[j+1], array[j]
    return array

复杂度

平均时间复杂度 O(n²)

选择排序 Selection Sort

概述

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。
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。
重复第二步，直到所有元素均排序完毕。

图示

Python 算法实现

def selection(array):
    for i in range(len(array)):
        low = i
        for j in range(i+1, len(array)):
            if array[j] < array[low]:
                low = j
        array[i], array[low] = array[low], array[i]
    return array

复杂度

平均时间复杂度 O(n²)

插入排序 Insersion Sort

概述

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。

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。
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。）

图示

Python 算法实现

def insertion(array):
    for i in range(1, len(array)):
        val = array[i]
        j = i-1
        while j >= 0 and val < array[j]:
            array[j+1] = array[j]
            j-=1
        array[j+1] = val
    return array

复杂度

平均时间复杂度 O(n²)

快速排序 Quick Sort

概述

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。

从数列中挑出一个元素，称为 “基准”（pivot）;
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；
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；

图示

Python 算法实现

def partition(arr, low, high):
    pivot = arr[high]
    r = low - 1
    for i in range(low, high):
        if arr[i] < pivot:
            r += 1
            arr[r], arr[i] = arr[i], arr[r]
    arr[r+1], arr[high] = arr[high], arr[r+1]
    return r+1


def quicksort(arr, left, right):
    if left >= right:
        return
    pivot = partition(arr, left, right)
    quicksort(arr, left, pivot - 1)
    quicksort(arr, pivot + 1, right)

复杂度

平均时间复杂度 O(nlog n)

归并排序 Merge Sort

概述

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。

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；
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；
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；
重复步骤 3 直到某一指针达到序列尾；
将另一序列剩下的所有元素直接复制到合并序列尾。

图示

Python 算法实现

def merge(array, l, r):
    i = j = k = 0
    while i < len(l) and j < len(r):
        if l[i] < r[j]:
            array[k] = l[i]
            i += 1
        else:
            array[k] = r[j]
            j += 1
        k += 1
    
    while i < len(l):
        array[k] = l[i]
        i += 1
        k += 1

    while j < len(r): 
        array[k] = r[j]
        j+= 1
        k+= 1

    return array

def mergesort(array):
    n = len(array)
    if n == 1:
        return array
    left = mergesort(array[:n//2])
    right = mergesort(array[n//2:])
    return merge(array, left, right)

复杂度

平均时间复杂度 O(nlog n)

Reference

排序算法总结 | 菜鸟教程

1.0 十大经典排序算法 | 菜鸟教程

排序算法的稳定性及其意义_u012501054的博客-CSDN博客