Sorting Algorithms in Python (排序算法)

本篇文章主要介绍几种经典排序算法：冒泡排序、快速排序、选择排序、堆排序、插入排序、希尔排序、归并排序、桶排序和基数排序。并给出用python实现的算法代码。

一、冒泡排序

二、快速排序

三、选择排序

四、堆排序

五、插入排序

六、希尔排序

七、归并排序

八、桶排序

九、基数排序

一、冒泡排序

冒泡排序如名所见，最大元素像泡泡一样逐渐向上冒，直至顶端(此处指从小到大排序)。最好时间复杂度为O(n)，即需排序数组已为有序数组；最坏时间复杂度为O(n²)，即需排序数组与要求顺序相反；平均复杂度为O(n²)，如下代码所示，两层循环每层时间复杂度均为O(n)。空间复杂度为O(1)，无需额外空间消耗，算法稳定。

代码：

def bubbleSort(nums):for i in range(len(nums)):is_sort = Truefor j in range(len(nums) - i - 1):if nums[j] > nums[j + 1]:nums[j], nums[j + 1] = nums[j + 1], nums[j]is_sort = Falseif is_sort:breakreturn nums

解释：

1）设置is_sort判断元素是否已经有序，若元素已完成该轮排序则直接跳出该轮循环进行新一轮排序(即i+1)

2）每轮排序结束，最后一个元素已为最大值(按从小到大顺序排列)，下一轮排序则只需对除此之外的元素进行排序：

        for j in range(len(nums) - i - 1):
           if nums[j] > nums[j + 1]:
               nums[j], nums[j + 1] = nums[j + 1], nums[j]

其中i为轮次，-1是因为在元素比较时为向后比较(nums[j], nums[j + 1])。

3）算法图解：

图1 冒泡排序算法图解（图源@独影月下酌酒）

二、快速排序

快速排序通过选择“哨兵”结合递归实现排序。最好时间复杂度为O(nlogn)，最坏时间复杂度为O(n*n)，平均复杂度为O(n*n)。空间复杂度为O(nlogn)，算法不稳定。

代码：

def quickSort(nums, left, right):def partition(nums, left, right):pivot = nums[left]while left < right:while left < right and nums[right] >= pivot:right -= 1nums[left] = nums[right]while left < right and nums[left] <= pivot:left += 1nums[right] = nums[left]nums[left] = pivotreturn leftif left < right:pivotIndex = partition(nums, left, right)quickSort(nums, left, pivotIndex - 1)quickSort(nums, pivotIndex + 1, right)return nums

解释：

1）快速排序思想实质上是先找到哨兵，然后对哨兵左右边的元素再进行快速排序。partiton函数即对初始数组进行一次快排并返回哨兵元素的下标，接着主函数调用快排函数本身实现哨兵左右元素的排序。

2）需要注意在partition函数中，先对数组右边元素进行判断，若右边元素大于等于哨兵(pivot)，则说明无需移动该元素，右指针左移，直到发现一个哨兵右侧元素小于pivot，此时需要把该元素移到左边，此时将该值赋给左指针指向的位置元素。当pivot右侧元素全都大于等于pivot且右指针仍然在左指针右边时，开始判断pivot左侧元素，当左侧元素小于等于pivot时，左指针右移直到发现某元素大于pivot，将该值赋给右指针指向的位置元素，直到左右指针重合，说明已找到哨兵pivot应放的位置，此时left=right=pivot下标，返回left或right即为pivot位置。

3）在得到哨兵位置后能确定pivot左侧元素均小于哨兵，右侧元素均大于哨兵，此时只需对哨兵左右元素再递归进行快速排序即可。

4）注意大前提left<right

5）算法图解：

图2 快速排序算法图解（图源@独影月下酌酒）

三、选择排序

选择排序即每轮选取一个最小(大)元素放置起始位置，直到所有元素均排序完成。最好时间复杂度为O(n²)；平均时间复杂度为O(n²)；最差时间复杂度为O(n²)。

代码：

def selectSort(nums):for i in range(len(nums)):min_index = ifor j in range(i + 1, len(nums)):if nums[j] < nums[min_index]:min_index = jif min_index != i:nums[min_index], nums[i] = nums[i], nums[min_index]return nums

解释：

1）选择排序没有特别需要注意的地方，弄清算法逻辑就能很快实现。

2）算法图解：

图3 选择排序算法图解（图源@独影月下酌酒）

四、堆排序

堆排序分小顶堆和大顶堆，前者根节点小于左右结点，后者根节点大于左右结点，本文用大顶堆排序。最好时间复杂度为O(nlogn)，平均时间复杂度为O(nlogn)，最差时间复杂度为O(nlogn)。

代码：

def heap(nums):def adjustHeap(nums, i, length):lchild, rchild = 2 * i + 1, 2 * i + 2largest = iif lchild < length and nums[lchild] > nums[largest]:largest = lchildif rchild < length and nums[rchild] > nums[largest]:largest = rchildif largest != i:nums[largest], nums[i] = nums[i], nums[largest]adjustHeap(nums, largest, length)return numsfor i in range(len(nums) // 2)[::-1]:adjustHeap(nums, i, len(nums))for i in range(len(nums))[::-1]:nums[0], nums[i] = nums[i], nums[0]adjustHeap(nums, 0, i)return nums

解释：

1）拿到一个乱序数组，先将其初始为一个堆(即一棵二叉树)，然后调整该堆(adjustHeap函数)，使得根节点为最大值：

for i in range(len(nums) // 2)[::-1]:
adjustHeap(nums, i, len(nums))

堆初始化，从最后一个非叶子节点创建大顶堆

2）堆初始化完成且调整为大顶堆后，交换堆顶元素和需要排序的数组的最后一个元素，调整新数组为大顶堆，如此一来，每一轮调整都能找出此数组中的最大元素，并将其放在数组末端：

        for i in range(len(nums))[::-1]:
                nums[0], nums[i] = nums[i], nums[0]
                adjustHeap(nums, 0, i)

注意：每完成完一轮调整堆，下一次需要调整的数组将不会包括已排序好的元素。

3）调整堆函数(adjustHeap)需要不断判断当前结点的左右结点是否均小于该结点，若出现某一结点大于父结点，则需要将更大的元素调整至父结点，形成一个小型的大顶堆，不断调整至整棵二叉树为一个大顶堆。

        if lchild < length and nums[lchild] > nums[largest]:
           largest = lchild
       if rchild < length and nums[rchild] > nums[largest]:
           largest = rchild
       if largest != i:
           nums[largest], nums[i] = nums[i], nums[largest]
           adjustHeap(nums, largest, length)

需要注意的是，在交换完新的更大结点后要重新进行堆调整，以确保每一个小堆均为一个大顶堆。

4）算法图解：

图4 堆排序算法图解（图源@独影月下酌酒）

五、插入排序

插入排序思想很简单，取出一个元素，在已排好序的数组中找到自己要插入的位置放入即可。最好时间复杂度为O(n)，平均时间复杂度为O(n²)，最差时间复杂度为O(n²)。

代码：

def insertSort(nums):for i in range(len(nums) - 1):curNum, preIndex = nums[i + 1], iwhile preIndex >= 0 and curNum < nums[preIndex]:nums[preIndex + 1] = nums[preIndex]preIndex -= 1nums[preIndex + 1] = curNumreturn nums

解释：

1）curNum和preIndex分别为当前需要插入的元素和其前一个元素下标，若当前元素小于前一个元素，说明该元素应该插在前一个元素之前，即前一个元素需要后移一位，后移完成，preIndex下标需向前移动一位，继续判断当前元素和前一个元素的大小关系，直到与第一个元素比较完成后确定curNum最终应该插入的位置。

        while preIndex >= 0 and curNum < nums[preIndex]:
           nums[preIndex + 1] = nums[preIndex]
           preIndex -= 1
       nums[preIndex + 1] = curNum

需要注意的是，在最后放curNum时，由于最后一次判断已将preIndex前移了一位，故此时应插入的位置为preIndex + 1。

2）算法图解：

图5 插入排序算法图解（图源@独影月下酌酒）

六、希尔排序

希尔排序本质上是插入排序的一种，思想同插入排序一样，不同的的是，希尔排序会先分组，接着组内快速排序，随后不断缩小组间距直至所有元素排序完成。最好时间复杂度为O(n)，平均时间复杂度为O(n²)，最差时间复杂度为O(n²)。

代码：

def shellSort(nums):gap = len(nums) // 2while gap:for i in range(gap, len(nums)):curNum, preIndex = nums[i], i - gapwhile preIndex >= 0 and curNum < nums[preIndex]:nums[preIndex + gap] = nums[preIndex]preIndex -= gapnums[preIndex + gap] = curNumgap //= 2return nums

解释：

1）gap即为组间距，希尔排序主体仍是快速排序，不断调整组间距直至组间距为0：

        while gap:
                for i in range(gap, len(nums)):
                    curNum, preIndex = nums[i], i - gap
                    while preIndex >= 0 and curNum < nums[preIndex]:
                        nums[preIndex + gap] = nums[preIndex]
                        preIndex -= gap
                    nums[preIndex + gap] = curNum
                gap //= 2
       return nums

注意：与简单的插入排序不同的是，希尔排序的前一个元素下标为 i - gap。

2）算法图解：

图6 希尔排序算法图解（图源@独影月下酌酒）

七、归并排序

归并排序的核心思想即是分而治之，先将数组从中间分为左右两个数组，对左右两个数组进行归并排序后合并左右两个数组即可。

代码：

def mergeSort(nums):def merge(left, right):i, j = 0, 0result = []while i < len(left) and j < len(right):if left[i] <= right[j]:result.append(left[i])i += 1else:result.append(right[j])j += 1result = result + left[i:] + right[j:]return resultif len(nums) <= 1:return numsmid = len(nums) // 2left = mergeSort(nums[:mid])right = mergeSort(nums[mid:])return merge(left, right)

解释：

1）若数组长度<=1则无需排序返回数组本身即可。

2）将需要排序的数组一分为二，分别进行归并排序，即左右子数组分别进行递归(mergeSort)得到两个排序好的数组，最后合并这两个数组即可。

3）合并左右两个数组即设置两个指针分别遍历两个数组，取两者中最小值加入结果数组即可，直到某个数组被遍历完，只需把另一个数组的剩余元素加入结果数组即可(因为两个数组都已事先被排序好了):

        while i < len(left) and j < len(right):
           if left[i] <= right[j]:
               result.append(left[i])
               i += 1
           else:
               result.append(right[j])
               j += 1
       result = result + left[i:] + right[j:]
       return result

4）算法图解：

图7 归并排序算法图解（图源@独影月下酌酒）

八、桶排序

桶排序即将数组元素根据某种映射放在各个桶里，先在桶内进行排序，然后将排序好的元素拼接起来即可。最好时间复杂度为O(n+k)，最差时间复杂度为O(n²)，平均时间复杂度为O(n+k)。

def bucketSort(nums):def insertSort(nums):for i in range(len(nums) - 1):curNum, preIndex = nums[i + 1], iwhile preIndex >= 0 and curNum < nums[preIndex]:nums[preIndex + 1] = nums[preIndex]preIndex -= 1nums[preIndex + 1] = curNumreturn numsbucketSize = 4bucketCount = (max(nums) - min(nums)) // bucketSize + 1buckets = [[] for _ in range(bucketCount)]for num in nums:buckets[(num - min(nums)) // bucketSize].append(num)nums.clear()for bucket in buckets:insertSort(bucket)nums.extend(bucket)return nums

解释：

1）根据桶大小和元素分布确定桶个数，初始化桶内元素：

bucketSize = 4

bucketCount = (max(nums) - min(nums)) // bucketSize + 1

buckets = [[] for _ in range(bucketCount)]

2）判断数组元素应该放在哪个桶，将元素全都装桶后清空数组方便放后续排序好的元素：

        for num in nums:
                buckets[(num - min(nums)) // bucketSize].append(num)
  nums.clear()

3）元素装桶完成后进行桶内元素排序，本文桶内元素用的插入排序，然后将排序好的元素全部一起extend到原数组中：

        for bucket in buckets:
                insertSort(bucket)
                nums.extend(bucket)

4）算法图解：

图8 桶排序算法图解（图源@独影月下酌酒）

九、基数排序

基数排序是特殊的桶排序，其根据元素每位数字来分配桶(桶个数为10，分别对应各位取值0～9)，按照先低位排序后高位排序的顺序依次排序直到元素有序即可，排序轮次即为数组中最大元素的位数。最好时间复杂度为O(n×k)，最差时间复杂度为O(n×k)，平均时间复杂度为O(n×k)。

代码：

def radixSort(nums):mod, div = 10, 1mostBit = len(str(max(nums)))buckets = [[] for _ in range(mod)]while mostBit:for num in nums:buckets[num // div % mod].append(num)i = 0for bucket in buckets:while bucket:nums[i] = bucket.pop(0)i += 1div *= 10mostBit -= 1return nums

解释：

1）mod和div用于取元素各个位数的取值，mostBit是轮次(即元素最大值的位数)，buckets个数为10，分别对应各位取值0～9。

2）先将数组中每个元素放到对应桶中，然后按序弹出元素完成第一轮低位排序，接着进行第二轮高位排序，直到所有位均排序完成，此时数组排序完成：

        while mostBit:
                for num in nums:
                    buckets[num // div % mod].append(num)

                i = 0
                for bucket in buckets:
                    while bucket:
                        nums[i] = bucket.pop(0)
                        i += 1
                div *= 10
                mostBit -= 1

3）算法图解：