python排序算法（python排序算法代码）

本篇文章给大家谈谈python排序算法，以及python排序算法代码对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、Python实现的快速排序算法详解
• 2、python中有哪些简单的算法？
• 3、面试必会八大排序算法（Python）
• 4、Python实现的几个常用排序算法实例

Python实现的快速排序算法详解

Python实现的快速排序算法详解

本文实例讲述了Python实现的快速排序算法。分享散首给大家供大家参考，具体如下：

快速排序基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。

如序列[6，8，1，4，3，9]，选择6作为基准数。从右向左扫描，寻找比基准数小的数字为3，交换6和3的位置，[3，8，1，4，6，9]，接着从左向右扫描，寻找比基准数大的数字为8，交昌旁换6和8的位置，[3，6，1，4，8，9]。重复上述过程，直到基准数左边的数字都比其小冲迅数，右边的数字都比其大。然后分别对基准数左边和右边的序列递归进行上述方法。

实现代码如下：

def parttion(v, left, right):

key = v[left]

low = left

high = right

while low high:

while (low high) and (v[high] = key):

high -= 1

v[low] = v[high]

while (low high) and (v[low] = key):

low += 1

v[high] = v[low]

v[low] = key

return low

def quicksort(v, left, right):

if left right:

p = parttion(v, left, right)

quicksort(v, left, p-1)

quicksort(v, p+1, right)

return v

s = [6, 8, 1, 4, 3, 9, 5, 4, 11, 2, 2, 15, 6]

print("before sort:",s)

s1 = quicksort(s, left = 0, right = len(s) - 1)

print("after sort:",s1)

运行结果：

before sort: [6, 8, 1, 4, 3, 9, 5, 4, 11, 2, 2, 15, 6]

after sort: [1, 2, 2, 3, 4, 4, 5, 6, 6, 8, 9, 11, 15]

[img]

python中有哪些简单的算法？

在Python中，Python算法有：插入排序、希尔排序、选择排序、冒泡排序、归皮庆并排序、快速排序、堆排序、基数排序等。

1、冒泡排序

冒泡排序也是一种简单直观的排序算法。重复地走访过要排序的数列，一次比较两个元素，如果顺序错误就交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

2、插入排序

插入排序的代码实现虽然没有冒泡排序和选择排序那么简单粗暴，但原理是最容易理解，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。插入排序和冒泡排序一样也有一种优化算法叫做拆半插入。

3、希尔排序

希尔排序也称递减增量排序算法，是插入排序的一种更高效的改进版本。但希尔排序是非稳定排序算法。希尔排序是基于插入排序的以下两点性质而提出改进方法的：插入排序在对几乎已经排好序的数据操作时，效率高，即可以达到线性排序的效率;但插入排序一般来说是低效的，因为插入排序每次只能将数据移动一位。

4、归并排序

归并排序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的一个非常典型的应用。作为一种典型的分而治之思想的算法应用，归并排序的实现由两种方法：自上而下的递归;自下而上的迭代。

5、快速排序

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序n个项目要Ο(nlogn)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他算法燃基握更快，因为它的内部循环可以在大部分的架构上很有效率地被实现出来。

6、堆排序

堆排序是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于(或者大于)它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。

7、计数排序

计数排序的核心在于将输入的数锋槐据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。

8、桶排序

桶排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。为了使桶排序更加高效，我们需要做到这两点：在额外空间充足的情况下，尽量增大桶的数量，使用的映射函数能够将输入的N个数据均匀的分配到K个桶中，同时，对于桶中元素的排序，选择何种比较排序算法对于性能的影响至关重要。

9、基数排序

基数排序是一种非比较型整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。由于整数也可以表达字符串和特定格式的浮点数，所以基数排序也不是只能使用于整数。

面试必会八大排序算法（Python）

一、插入排序

介绍

插入排序的基本操作就是将一个数据插入到已经排好序的有序数据中，从而得到一个新的、个数加一的有序数据。

算法适用于少量数据的排序，时间复杂度为O(n^2)。

插入排算法是稳定的排序方法。

步骤

①从第一个元素开始，该元素可以认为已经被排序

②取出下一个元素，在已经排序的元素序列中从后向前扫描

③如果该元素（已排序）大于新元素，将该元素移到下一位置

④重复步骤3，直到找到已排序的元素小于或者等于新元素的位置

⑤将新元素插入到该位置中

⑥重复步骤2

排序演示

算法实现

二、冒泡排序

介绍

冒泡排序（Bubble Sort）是一种简单的排序算法，时间复杂度为O(n^2)。

它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。

这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

原理

循环遍历列表，每次循环找出循环最大的元素排在后面；

需要使用嵌套循环实现：外层循环控制总循环次数，内层循环负责每轮的循环比较。

步骤

①比较相邻的元素。如果第一个比第二个大，就交换他们两个。

②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。在这一点，最后的元素应该会是最大的数。

③针对所有的元素重复以上的步骤，除了最后一个。

④持续每次对越来越少的元素态册重复上面的步骤，直到没有任何一对数字需要比较。

算法实现：

三、快速排序

介绍

快速排序（Quicksort）是对冒泡排序的一种改进，借用了分治的思想，由C. A. R. Hoare在1962年提出。

基本思想

快速排序的基本思想是：挖坑填数 + 分治法。

首先选出一个轴值(pivot，也有叫基准的)，帆租宏通过一趟排序将待排记录分隔成独立的两部分，其中一部分记录的关键字均比另一部分的关键字小，则可分别对这两部分记录继续进行排序，以达到整个序列有序。

实现步骤

①从数列中挑出一个元素，称为 “基准”（pivot）；

②重新排序数列，所有型没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）；

③对所有两个小数列重复第二步，直至各区间只有一个数。

排序演示

算法实现

四、希尔排序

介绍

希尔排序（Shell Sort）是插入排序的一种，也是缩小增量排序，是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法，时间复杂度为：O(1.3n)。

希尔排序是基于插入排序的以下两点性质而提出改进方法的：

·插入排序在对几乎已经排好序的数据操作时， 效率高， 即可以达到线性排序的效率；

·但插入排序一般来说是低效的， 因为插入排序每次只能将数据移动一位。

基本思想

①希尔排序是把记录按下标的一定量分组，对每组使用直接插入算法排序；

②随着增量逐渐减少，每组包1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，算法被终止。

排序演示

算法实现

五、选择排序

介绍

选择排序(Selection sort)是一种简单直观的排序算法，时间复杂度为Ο(n2)。

基本思想

选择排序的基本思想：比较 + 交换。

第一趟，在待排序记录r1 ~ r[n]中选出最小的记录，将它与r1交换；

第二趟，在待排序记录r2 ~ r[n]中选出最小的记录，将它与r2交换；

以此类推，第 i 趟，在待排序记录ri ~ r[n]中选出最小的记录，将它与r[i]交换,使有序序列不断增长直到全部排序完毕。

排序演示

选择排序的示例动画。红色表示当前最小值，黄色表示已排序序列，蓝色表示当前位置。

算法实现

六、堆排序

介绍

堆排序（Heapsort）是指利用堆积树（堆）这种数据结构所设计的一种排序算法，它是选择排序的一种。

利用数组的特点快速指定索引的元素。

基本思想

堆分为大根堆和小根堆，是完全二叉树。

大根堆的要求是每个节点的值不大于其父节点的值，即A[PARENT[i]] =A[i]。

在数组的非降序排序中，需要使用的就是大根堆，因为根据大根堆的要求可知，最大的值一定在堆顶。

排序演示

算法实现

七、归并排序

介绍

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。

基本思想

归并排序算法是将两个（或两个以上）有序表合并成一个新的有序表，即把待排序序列分为若干个子序列，每个子序列是有序的。然后再把有序子序列合并为整体有序序列。

算法思想

自上而下递归法（假如序列共有n个元素）

① 将序列每相邻两个数字进行归并操作，形成 floor(n/2)个序列，排序后每个序列包含两个元素；

② 将上述序列再次归并，形成 floor(n/4)个序列，每个序列包含四个元素；

③ 重复步骤②，直到所有元素排序完毕。

自下而上迭代法

① 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；

② 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；

③ 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；

④ 重复步骤③直到某一指针达到序列尾；

⑤ 将另一序列剩下的所有元素直接复制到合并序列尾。

排序演示

算法实现

八、基数排序

介绍

基数排序（Radix Sort）属于“分配式排序”，又称为“桶子法”。

基数排序法是属于稳定性的排序，其时间复杂度为O (nlog(r)m) ，其中 r 为采取的基数，而m为堆数。

在某些时候，基数排序法的效率高于其他的稳定性排序法。

基本思想

将所有待比较数值（正整数）统一为同样的数位长度，数位较短的数前面补零。然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后，数列就变成一个有序序列。

基数排序按照优先从高位或低位来排序有两种实现方案：

MSD（Most significant digital） 从最左侧高位开始进行排序。先按k1排序分组, 同一组中记录, 关键码k1相等,再对各组按k2排序分成子组, 之后, 对后面的关键码继续这样的排序分组, 直到按最次位关键码kd对各子组排序后. 再将各组连接起来,便得到一个有序序列。MSD方式适用于位数多的序列。

LSD （Least significant digital）从最右侧低位开始进行排序。先从kd开始排序，再对kd-1进行排序，依次重复，直到对k1排序后便得到一个有序序列。LSD方式适用于位数少的序列。

排序效果

算法实现

九、总结

各种排序的稳定性、时间复杂度、空间复杂度的总结：

平方阶O(n²)排序：各类简单排序：直接插入、直接选择和冒泡排序；

从时间复杂度来说：

线性对数阶O(nlog₂n)排序：快速排序、堆排序和归并排序；

O(n1+§))排序，§是介于0和1之间的常数：希尔排序 ；

线性阶O(n)排序：基数排序，此外还有桶、箱排序。

Python实现的几个常用排序算法实例

#encoding=utf-8

import random

from copy import copy

def directInsertSort(seq):

 """ 直接插入排序 """

 size = len(seq)

 for i in range(1,size):

  tmp, j = seq[i], i

  while j  0 and tmp  seq[j-1]:

   seq[j], j = seq[j-1], j-1

  seq[j] = tmp

 return seq

def directSelectSort(seq):

 """ 直接选择排序 """

 size = len(seq)

 for i in range(0,size - 1):

  k = i;j = i+1

  while j  size:

   if seq[j]  seq[k]:

    k = j

   j += 1

  seq[i],seq[k] = seq[k],seq[i]

 return seq

def bubbleSort(seq):

 """冒泡排序"""

 size = len(seq)

 for i in range(1,size):

  for j in range(0,size-i):

   if seq[j+1]  seq[j]:

    seq[j+1],seq[j] = seq[j],seq[j+1]

 return seq

def _divide(seq, low, high):

 """快速排序划分函数"""

 tmp = seq[low]

 while low != high:

  while low  high and seq[high] = tmp: high -= 1

  if low  high:

   seq[low] = seq[high]

   low += 1

  while low  high and seq[low] = tmp: low += 1

  if low  high:

   seq[high] = seq[low]

   high -= 1

 带衫厅seq[low] = tmp

 return low

def _quickSort(seq, low, high):

 """快速排序辅蠢隐助函数"""

 if low = high: return

 mid = _divide(seq, low, high)

 _quickSort(seq, low, mid - 1)

 _quickSort(seq, mid 塌备+ 1, high)

def quickSort(seq):

 """快速排序包裹函数"""

 size = len(seq)

 _quickSort(seq, 0, size - 1)

 return seq

def merge(seq, left, mid, right):

 tmp = []

 i, j = left, mid

 while i  mid and j = right:

  if seq[i]  seq[j]:

   tmp.append(seq[i])

   i += 1

  else:

   tmp.append(seq[j])

   j += 1

 if i  mid: tmp.extend(seq[i:])

 if j = right: tmp.extend(seq[j:])

 seq[left:right+1] = tmp[0:right-left+1]

def _mergeSort(seq, left, right):

 if left == right: 

  return

 else:

  mid = (left + right) / 2

  _mergeSort(seq, left, mid)

  _mergeSort(seq, mid + 1, right)

  merge(seq, left, mid+1, right)

#二路并归排序

def mergeSort(seq):

 size = len(seq)

 _mergeSort(seq, 0, size - 1)

 return seq

if __name__ == '__main__':

 s = [random.randint(0,100) for i in range(0,20)]

 print s

 print "\n"

 print directSelectSort(copy(s))

 print directInsertSort(copy(s))

 print bubbleSort(copy(s))

 print quickSort(copy(s))

 print mergeSort(copy(s))

关于python排序算法和python排序算法代码的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。