用python实现经典排序算法-技术圈

在正经的笔试题中，排序算法基本不会出现，出现的时候也会作为解题环节的一个小部分。不过，在面试中可能会遇到，毕竟作为数据分析师，难点的可能考你手推公式，简单的可能就说：“来，那你写个快排吧。”

来，那我就奉上我之前使用的部分排序算法的python实现吧，毕竟我是正经算法coding基本撕不出来的人，只能在这种简单算法上使点劲了。

01 冒泡排序

时间复杂度：O(n^2)

算法描述：

比较相邻的元素，如果第一个比第二个大，就交换它们两个；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，这样在最后的元素应该会是最大的数；针对所有的元素重复以上的步骤，除了最后一个；重复上述步骤，直到排序完成。

算法实现：

def bubbleSort(alist):    n = len(alist)    for j in range(n - 1):        count = 0          for i in range(n - 1 - j):            if alist[i] > alist[i + 1]:                alist[i], alist[i + 1] = alist[i + 1], alist[i]                count += 1        if count == 0:            break  #提前跳出，提高效率    return alist

02 选择排序

时间复杂度：O(n^2)

算法描述：

首先从未排序的序列中找到最小（大）的元素，存放到排序序列的起始位置，然后，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。以此类推，直到所有元素均排序完毕。

算法实现：

def selectSort(alist):    n = len(alist)    for i in range(n):        for j in range(i + 1, n):            if alist[i] > alist[j]:                alist[i], alist[j] = alist[j], alist[i]    return alist

03 插入排序

时间复杂度：O(n^2)

算法描述：

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往前扫描，找到相应位置并插入。

核心在于把一个无序序列看成两个数列，如第一个元素构成了第一个数列，那剩余元素构成第二个数列，显然第一个数列是有序的（只有一个元素），把第二个数列中的第一个元素拿出来插到第一个数列，使它构成一个有序数列，直到第二个数列中的元素全部插入到第一个数列。

将待插入元素与前一个元素进行比较，若小于，则将前一个元素后移一位，再跟前前一位进行比较，直到遇到小于待插入元素，插入到该位后一位。

算法实现：

def insertSort(alist):    n = len(alist)    for j in range(1, n):        i = j        while i > 0:            if alist[i] < alist[i - 1]:                alist[i], alist[i - 1] = alist[i - 1], alist[i]                i -= 1            else:                break    return alist

04 希尔排序（缩小增量排序）

时间复杂度：O(n^1.3)

算法描述：

是插入排序的优化版，当数据规模较小或数据已基本有序时非常有效。

希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序，随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法终止。

算法实现：

def shellSort(alist):    n = len(alist)    t = n // 2    while t > 0:        for i in range(t, n):            j, cur = i, alist[i]            while (j - t >= 0) and (cur < alist[j - t]):                alist[j] = alist[j - t]                j = j - t            alist[j] = cur        t = t // 2    return alist

05 归并排序

时间复杂度：O(nlogn)

算法描述：

先按组拆，拆到都剩单独一个数据为止，再按照拆分的顺序进行合并，小的在前，大的在后，使用左右两个游标进行比较。

分析时间复杂度：因为涉及递归所以不通过代码来看。横向为n次，纵向是除二除二，也就是logn，最坏最好都是nlogn，需要额外空间复杂度。

稳定性：代码中可保证稳定。

算法实现：

def mergeSort(alist):    n = len(alist)    if n <= 1:        return alist    mid = n // 2 #求得列表中间位置    #对左边列表进行归并排序    left_list = mergeSort(alist[:mid])    #对右边列表进行归并排序    right_list = mergeSort(alist[mid:])    #将两个有序的子序列进行合并    left_pointer, right_pointer = 0, 0    result = []    while left_pointer < len(left_list) and right_pointer < len(right_list):        if left_list[left_pointer] < right_list[right_pointer]:            result.append(left_list[left_pointer])            left_pointer += 1        else:            result.append(right_list[right_pointer])            right_pointer += 1    #走到头之后，将剩下的部分直接添加上    result += left_list[left_pointer:]    result += right_list[right_pointer:]    return result

06 快速排序

时间复杂度：O(nlogn)

算法描述：

通过一趟排序将待排记录分隔成独立的两部分，一部分记录的关键字比另一部分的关键字小，则可分别对这两部分继续进行排序，代价是需要额外的内存空间。

算法实现：

def quickSort(alist, first, last):    if first >= last:        return     mid_value = alist[first]    low = first    high = last    while low < high:        #high左移        while low < high and alist[high] >= mid_value:            high -= 1        alist[low] = alist[high]        while low < high and alist[low] < mid_value:            low += 1        alist[high] = alist[low]    #从循环退出时,low=high    alist[low] = mid_value    #对low左边的列表执行快速排序    quickSort(alist, first, low - 1)    #对low右边的列表执行快速排序    quickSort(alist, low + 1, last)

完结。

能力有限，所以我就学习了以上六种排序算法。面试中遇到过冒泡、归并和快排的手写代码考察。笔试中好像堆排序会经常考察，然而我是真的没学会。你们可不要学我，想进一步学习的可以参考这里（https://b23.tv/yj3k6y）的方法讲述。

友情提示：百分之八九十的数分笔试都会手撕算法coding（数据结构），这方面能力欠缺的同学建议多练习，多思考，别学我。或者抓住提前批（一些公司没有笔试）的机会，还有某些厂笔试不考手撕算法的机会。