十大排序算法整理(含JavaScript版本与Python版本源码)

2021年的最后一个博客文章

排序算法

参考网址:

  1. 十大经典排序算法
  2. 十大经典排序算法 · Python代码展示

算法分类

十大排序算法整理(含JavaScript版本与Python版本源码)

相关概念

比较类排序:通过比较来决定元素间的相对次序,由于其时间复杂度不能突破O(nlogn),因此也称为非线性时间比较类排序。
非比较类排序:不通过比较来决定元素间的相对次序,它可以突破基于比较排序的时间下界,以线性时间运行,因此也称为线性时间非比较类排序。

算法复杂度

十大排序算法整理(含JavaScript版本与Python版本源码)

相关概念

稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面。
不稳定:如果a原本在b的前面,而a=b,排序之后 a 可能会出现在 b 的后面。
时间复杂度:对排序数据的总的操作次数。反映当n变化时,操作次数呈现什么规律。
空间复杂度:是指算法在计算机内执行时所需存储空间的度量,它也是数据规模n的函数。


正文介绍

说明,本文只提供概念和结果,需要了解执行过程的可以通过编辑器断点调试获取执行过程。

  • 冒泡排序(Bubble Sort)
  1. 比较相邻的元素。如果第一个比第二个大,就交换它们两个。
  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,这样在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. 重复步骤1~3,直到排序完成。
  • 选择排序(Selection Sort)
  1. 初始状态:无序区为R[1…n],有序区为空。
  2. 第i趟排序(i=1,2,3…n-1)开始时,当前有序区和无序区分别为R[1…i-1]和R(i…n)。该趟排序从当前无序区中-选出关键字最小的记录 R[k],将它与无序区的第1个记录R交换,使R[1…i]和R[i+1…n)分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区。
  3. n-1趟结束,数组有序化了。
  • 插入排序(Insertion Sort)
  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后。
  6. 重复步骤2~5。
  • 希尔排序(Shell Sort)
  1. 选择一个增量序列t1,t2,…,tk,其中ti>tj,tk=1。
  2. 按增量序列个数k,对序列进行k 趟排序。
  3. 每趟排序,根据对应的增量ti,将待排序列分割成若干长度为m 的子序列,分别对各子表进行直接插入排序。仅增量因子为1 时,整个序列作为一个表来处理,表长度即为整个序列的长度。
  • 归并排序(Merge Sort)
  1. 把长度为n的输入序列分成两个长度为n/2的子序列。
  2. 对这两个子序列分别采用归并排序。
  3. 将两个排序好的子序列合并成一个最终的排序序列。
  • 快速排序(Quick Sort)
  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。
  3. 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。
  • 堆排序(Heap Sort)
  1. 将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆,此堆为初始的无序区。
  2. 将堆顶元素R[1]与最后一个元素R[n]交换,此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n]。
  3. 由于交换后新的堆顶R[1]可能违反堆的性质,因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆,然后再次将R[1]与无序区最后一个元素交换,得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1,则整个排序过程完成。
  • 计数排序(Counting Sort)
  1. 找出待排序的数组中最大和最小的元素。
  2. 统计数组中每个值为i的元素出现的次数,存入数组C的第i项。
  3. 对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加)。
  4. 反向填充目标数组:将每个元素i放在新数组的第C(i)项,每放一个元素就将C(i)减去1。
  • 桶排序(Bucket Sort)【数据的长度必须完全一样】
  1. 设置一个定量的数组当作空桶。
  2. 遍历输入数据,并且把数据一个一个放到对应的桶里去。
  3. 对每个不是空的桶进行排序。
  4. 从不是空的桶里把排好序的数据拼接起来。
  • 基数排序(Radix Sort)
  1. 取得数组中的最大数,并取得位数。
  2. arr为原始数组,从最低位开始取每个位组成radix数组。
  3. 对radix进行计数排序(利用计数排序适用于小范围数的特点)。

JavaScript编码案例

1.冒泡排序(Bubble Sort)

function bubbleSort(arr) {
    var len = arr.length;
    for(var i = 0; i < len - 1; i++) {
        for(var j = 0; j < len - 1 - i; j++) {
            if(arr[j] > arr[j+1]) {       // 相邻元素两两对比
                var temp = arr[j+1];       // 元素交换
                arr[j+1] = arr[j];
                arr[j] = temp;
            }
        }
    }
    return arr;
}

2.选择排序(Selection Sort)

function selectionSort(arr) {
    var len = arr.length;
    var minIndex, temp;
    for(var i = 0; i < len - 1; i++) {
        minIndex = i;
        for(var j = i + 1; j < len; j++) {
            if(arr[j] < arr[minIndex]) {    // 寻找最小的数
                minIndex = j;                // 将最小数的索引保存
            }
        }
        temp = arr[i];
        arr[i] = arr[minIndex];
        arr[minIndex] = temp;
    }
    return arr;
} 

3.插入排序(Insertion Sort)

function insertionSort(arr) {
    var len = arr.length;
    var preIndex, current;
    for(var i = 1; i < len; i++) {
        preIndex = i - 1;
        current = arr[i];
        while(preIndex >= 0 && arr[preIndex] > current) {
            arr[preIndex + 1] = arr[preIndex];
            preIndex--;
        }
        arr[preIndex + 1] = current;
    }
    return arr;
}

4.希尔排序(Shell Sort)

function shellSort(arr) {
    var len = arr.length;
    for(var gap = Math.floor(len / 2); gap > 0; gap = Math.floor(gap / 2)) {
        // 注意:这里和动图演示的不一样,动图是分组执行,实际操作是多个分组交替执行
        for(var i = gap; i < len; i++) {
            var j = i;
            var current = arr[i];
            while(j - gap >= 0 && current < arr[j - gap]) {
                 arr[j] = arr[j - gap];
                 j = j - gap;
            }
            arr[j] = current;
        }
    }
    return arr;
}

5.归并排序(Merge Sort)

function mergeSort(arr) {
    var len = arr.length;
    if(len < 2) {
        return arr;
    }
    var middle = Math.floor(len / 2),
        left = arr.slice(0, middle),
        right = arr.slice(middle);
    return merge(mergeSort(left), mergeSort(right));
}
 
function merge(left, right) {
    var result = [];
 
    while(left.length>0 && right.length>0) {
        if(left[0] <= right[0]) {
            result.push(left.shift());
        }else{
            result.push(right.shift());
        }
    }
 
    while(left.length)
        result.push(left.shift());
 
    while(right.length)
        result.push(right.shift());
 
    return result;
}

6.快速排序(Quick Sort)

function quickSort(arr, left, right) {
    var len = arr.length,
        partitionIndex,
        left =typeof left !='number'? 0 : left,
        right =typeof right !='number'? len - 1 : right;
 
    if(left < right) {
        partitionIndex = partition(arr, left, right);
        quickSort(arr, left, partitionIndex-1);
        quickSort(arr, partitionIndex+1, right);
    }
    return arr;
}
 
function partition(arr, left ,right) {    // 分区操作
    var pivot = left,                     // 设定基准值(pivot)
        index = pivot + 1;
    for(var i = index; i <= right; i++) {
        if(arr[i] < arr[pivot]) {
            swap(arr, i, index);
            index++;
        }       
    }
    swap(arr, pivot, index - 1);
    return index-1;
}
 
function swap(arr, i, j) {
    var temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}

7.堆排序(Heap Sort)

var len;   // 因为声明的多个函数都需要数据长度,所以把len设置成为全局变量
 
function buildMaxHeap(arr) {  // 建立大顶堆
    len = arr.length;
    for(var i = Math.floor(len/2); i >= 0; i--) {
        heapify(arr, i);
    }
}
 
function heapify(arr, i) {    // 堆调整
    var left = 2 * i + 1,
        right = 2 * i + 2,
        largest = i;
 
    if(left < len && arr[left] > arr[largest]) {
        largest = left;
    }
 
    if(right < len && arr[right] > arr[largest]) {
        largest = right;
    }
 
    if(largest != i) {
        swap(arr, i, largest);
        heapify(arr, largest);
    }
}
 
function swap(arr, i, j) {
    var temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}
 
function heapSort(arr) {
    buildMaxHeap(arr);
 
    for(var i = arr.length - 1; i > 0; i--) {
        swap(arr, 0, i);
        len--;
        heapify(arr, 0);
    }
    return arr;
}

8.计数排序(Counting Sort)

function countingSort(arr, maxValue) {
    var bucket =new Array(maxValue + 1),
        sortedIndex = 0;
        arrLen = arr.length,
        bucketLen = maxValue + 1;
 
    for(var i = 0; i < arrLen; i++) {
        if(!bucket[arr[i]]) {
            bucket[arr[i]] = 0;
        }
        bucket[arr[i]]++;
    }
 
    for(var j = 0; j < bucketLen; j++) {
        while(bucket[j] > 0) {
            arr[sortedIndex++] = j;
            bucket[j]--;
        }
    }
 
    return arr;
}

9.桶排序(Bucket Sort)

function bucketSort(arr, bucketSize) {
    if(arr.length === 0) {
      return arr;
    }
 
    var i;
    var minValue = arr[0];
    var maxValue = arr[0];
    for(i = 1; i < arr.length; i++) {
      if(arr[i] < minValue) {
          minValue = arr[i];               // 输入数据的最小值
      }else if(arr[i] > maxValue) {
          maxValue = arr[i];               // 输入数据的最大值
      }
    }
 
    // 桶的初始化
    var DEFAULT_BUCKET_SIZE = 5;           // 设置桶的默认数量为5
    bucketSize = bucketSize || DEFAULT_BUCKET_SIZE;
    var bucketCount = Math.floor((maxValue - minValue) / bucketSize) + 1;  
    var buckets =new Array(bucketCount);
    for(i = 0; i < buckets.length; i++) {
        buckets[i] = [];
    }
 
    // 利用映射函数将数据分配到各个桶中
    for(i = 0; i < arr.length; i++) {
        buckets[Math.floor((arr[i] - minValue) / bucketSize)].push(arr[i]);
    }
 
    arr.length = 0;
    for(i = 0; i < buckets.length; i++) {
        insertionSort(buckets[i]);                     // 对每个桶进行排序,这里使用了插入排序
        for(var j = 0; j < buckets[i].length; j++) {
            arr.push(buckets[i][j]);                     
        }
    }
 
    return arr;
}

10.基数排序(Radix Sort)

var counter = [];
function radixSort(arr, maxDigit) {
    var mod = 10;
    var dev = 1;
    for(var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {
        for(var j = 0; j < arr.length; j++) {
            var bucket = parseInt((arr[j] % mod) / dev);
            if(counter[bucket]==null) {
                counter[bucket] = [];
            }
            counter[bucket].push(arr[j]);
        }
        var pos = 0;
        for(var j = 0; j < counter.length; j++) {
            var value =null;
            if(counter[j]!=null) {
                while((value = counter[j].shift()) !=null) {
                      arr[pos++] = value;
                }
          }
        }
    }
    return arr;
}

Python编码案例

array_list = [13, 27, 11, 18, 41, 25, 36, 29, -7, 111, 18, 33, -3]
# 所有的 n 表示局部判断次数、 n_ 表示局部赋值次数,所有的 i 表示全局判断次数、 i_ 表示全局赋值次数。

1.冒泡排序(Bubble Sort)

def bubble(array):
    n = 0
    n_ = 0
    for _ in range(1, len(array)):  # TODO:第一层 for 表示循环的遍数
        for __ in range(0, len(array) - _):  # TODO:第二层 for 表示具体比较哪两个元素
            n += 1
            if array[__] > array[__ + 1]:  # TODO:如果前面的大于后面的
                n_ += 1
                array[__], array[__ + 1] = array[__ + 1], array[__]  # TODO:交换这两个元素的位置
    print(f'冒泡排序共判断 {n} 次,执行赋值 {n_} 次。')
    return array


print(bubble(list(array_list)))

2.选择排序(Selection Sort)

def selection(array):
    n = 0
    n_ = 0
    for _ in range(len(array) - 1):  # TODO:第一层 for 表示循环的遍数
        n_ += 1
        __ = _  # TODO:将起始元素设为最小元素
        for ___ in range(_ + 1, len(array)):  # TODO:第二层 for 表示最小元素和后面的元素逐个比较
            n += 1
            if array[__] > array[___]:  # TODO:如果当前元素比最小元素小
                n_ += 1
                __ = ___  # TODO:把当前元素角标标记为最小元素角标
        n_ += 1
        array[_], array[__] = array[__], array[_]  # TODO:查找一遍后将最小元素与起始元素互换
    print(f'选择排序共判断 {n} 次,执行赋值 {n_} 次。')
    return array


print(selection(list(array_list)))

3.插入排序(Insertion Sort)

def insertion(array):
    n = 0
    n_ = 0
    for _ in range(1, len(array)):  # TODO:第一层 for 表示循环的遍数
        n_ += 1
        __ = array[_]  # TODO:设置当前需要插入的元素
        n += 1
        while _ and array[_ - 1] > __:  # TODO:当比较元素大于当前元素(此时变量 _ 被用于标记与当前元素比较的比较元素)
            n += 1
            n_ += 2
            array[_] = array[_ - 1]  # TODO:把比较元素后移
            _ -= 1  # TODO:往前选择下一个比较元素
        n_ += 1
        array[_] = __  # TODO:当比较元素小于当前元素,则将当前元素插入在其后面
    print(f'插入排序共判断 {n} 次,执行赋值 {n_} 次。')
    return array


print(insertion(list(array_list)))

4.希尔排序(Shell Sort)

def shell(array, sep=2):
    n = 0
    n_ = 0
    n_ += 1
    _ = len(array) // sep  # TODO:取整计算增量(间隔)值
    n += 1
    while _:
        for __ in range(_, len(array)):  # TODO:从增量值开始遍历比较
            n_ += 1
            ___ = array[__]  # TODO:设置当前需要插入的元素
            n += 1
            while __ - _ >= 0 and array[__ - _] > ___:  # TODO:当比较元素大于当前元素(此时变量 __ 被用于标记与当前元素比较的比较元素)
                n += 1
                n_ += 2
                array[__] = array[__ - _]  # TODO:把比较元素后移
                __ -= _  # TODO:往前选择下一个比较元素
            n_ += 1
            array[__] = ___  # TODO:当比较元素小于当前元素,则将当前元素插入在其后面
        n_ += 1
        _ //= sep  # TODO:缩小增量(间隔)值
    print(f'希尔排序共判断 {n} 次,执行赋值 {n_} 次。')
    return array


print(shell(list(array_list)))

5.归并排序(Merge Sort)

i = 0
i_ = 0

# merge = lambda _: _ if len(_) == 1 else merge_sort(merge(_[:len(_) // 2]), merge(_[len(_) // 2:]))  # TODO:使用递归运算二分法后的数列
# merge = lambda _: len(_) == 1 and _ or merge_sort(merge(_[:len(_) // 2]), merge(_[len(_) // 2:]))  # TODO:使用递归运算二分法后的数列


def merge(array):
    global i, i_
    i += 1
    if len(array) < 2:
        return array
    i_ += 2
    return merge_sort(merge(array[:len(array) // 2]), merge(array[len(array) // 2:]))  # TODO:使用递归运算二分法后的数列


def merge_sort(left, right):
    global i, i_
    i_ += 1
    _ = []  # TODO:排序合并两个数列
    i += 1
    while left and right:  # TODO:两个数列都有值
        i += 2
        i_ += 1
        # _.append((lambda _, __: _[0] <= __[0] and _.pop(0) or __.pop(0))(left, right))  # TODO:左右两个数列第一个最小放前面【 _.append((lambda _, __: _.pop(0) if _[0] <= __[0] else __.pop(0))(left, right)) 】
        if left[0] <= right[0]:  # TODO:左右两个数列第一个最小放前面
            _.append(left.pop(0))
        else:
            _.append(right.pop(0))
    i_ += 1
    _.extend(left and left or right)  # TODO:只要数列中还有值,直接添加【 _ += left if left else right 】
    return _


_ = merge(list(array_list))
print(f'归并排序共判断 {i} 次,执行赋值 {i_} 次。\n{_}')

6.快速排序(Quick Sort)

i = 0
i_ = 0


def quick(array):
    global i, i_
    i += 1
    if len(array) < 2:  # TODO:基线条件:为空或只包含一个元素的数组是“有序”的
        return array
    i += 2 * len(array[1:])
    i_ += 2 * len(array[1:])
    return quick([_ for _ in array[1:] if _ <= array[0]]) + [array[0]] + quick([_ for _ in array[1:] if _ > array[0]])  # TODO:由所有小于等于、基准元素、大于基准值的元素(递归条件)组成的子数组重新组合


_ = quick(list(array_list))
print(f'快速排序共判断 {i} 次,执行赋值 {i_} 次。\n{_}')

7.堆排序(Heap Sort)

i = 0
i_ = 0


def heap(array):
    global i, i_
    for _ in range(len(array) // 2, -1, -1):
        array = heap_sort(array, _, len(array))  # TODO:从第一个非叶子结点从下至上,从右至左调整结构(构建大顶堆)
    for __ in range(len(array) - 1, 0, -1):
        i_ += 1
        array[0], array[__] = array[__], array[0]  # TODO:将堆顶元素与末尾元素进行交换
        array = heap_sort(array, 0, __)  # TODO:重新对堆进行调整(循环时候排序最后一个元素)
    return array


def heap_sort(array, _, __):  # TODO:堆调整
    global i, i_
    ___ = _
    i += 1
    if 2 * _ + 1 < __ and array[2 * _ + 1] > array[___]:  # TODO:找出较大的一个子节点(当左子结点较大)
        i_ += 1
        ___ = 2 * _ + 1
    i += 1
    if 2 * _ + 2 < __ and array[2 * _ + 2] > array[___]:  # TODO:找出较大的一个子节点(当右子结点较大)
        i_ += 1
        ___ = 2 * _ + 2
    i += 1
    if ___ != _:  # TODO:如果堆项有调整则再次递归
        i_ += 2
        array[_], array[___] = array[___], array[_]  # TODO:将堆顶元素与末尾元素进行交换
        heap_sort(array, ___, __)  # TODO:重新对堆进行调整
    return array


_ = heap(list(array_list))
print(f'堆排序共判断 {i} 次,执行赋值 {i_} 次。\n{_}')

8.计数排序(Counting Sort)

def counting(array):
    n = 0
    n_ = 0
    n_ += 1 + 2 * (max(array) - min(array))
    _ = [0] * len(array)  # TODO:存放排序后的数组
    __ = [array.count(_) for _ in range(min(array), max(array) + 1)]  # TODO:通过下标索引,记录数中有哪些数字,相同值的共有几个
    __ = [sum(__[:_]) for _ in range(1, len(__) + 1)]  # TODO:数组中小于某个数的数字个数,用于排序
    for ___ in array[::-1]:
        n_ += 3
        ___ -= min(array)  # TODO:针对负数与下标关系优化,使最小负数下标正好为 0
        _[__[___] - 1] = ___ + min(array)  # TODO:下标值为次序,还原负数与下标关系的优化
        __[___] -= 1  # TODO:每插入一个数,当前下标就减一
    print(f'计数排序共判断 {n} 次,执行赋值 {n_} 次。')
    return _


print(counting(list(array_list)))

9.桶排序(Bucket Sort)

def bucket(array):
    n = 0
    n_ = 0
    n_ += max(array) - min(array) + 1
    _ = []  # TODO:存放排序后的数组
    __ = [array.count(_) for _ in range(min(array), max(array) + 1)]  # TODO:通过下标索引,记录数中有哪些数字,相同值的共有几个
    for ___, ____ in enumerate(__):
        for _____ in range(____):  # TODO:执行数字出现次数次操作(对计数排序的优化)
            n_ += 1
            _.append(___ + min(array))  # TODO:下标值为次序,还原负数与下标关系的优化
    print(f'桶排序共判断 {n} 次,执行赋值 {n_} 次。')
    return _


print(bucket(list(array_list)))

10.基数排序(Radix Sort)

def radix(array):
    n = 0
    n_ = 0
    n_ += len(array)
    _ = [__ - min(array) for __ in array]  # TODO:针对负数与下标关系优化,使最小负数下标正好为 0,构造没有负数的数组
    for __ in range(len(str(max(_)))):  # TODO:按最大数字长度做多轮操作,从个位到十位到百位...
        n_ += 10
        ____ = [[] for _ in range(10)]  # TODO:因为每一位数字都是 0-9 ,故建立10个桶
        for ___ in _:
            n_ += 1
            ____[int(___ / (10 ** __) % 10)].append(___)  # TODO:按个位、十位、百位...放入桶中
        n_ += 1
        _ = [___ for __ in ____ for ___ in __]  # TODO:按当前桶的顺序重排列表
    print(f'基数排序共判断 {n} 次,执行赋值 {n_} 次。')
    return [__ + min(array) for __ in _]


print(radix(list(array_list)))

Python十大经典排序类

说明:在上面的编码案例中,主要统计了每个排序方法判断以及赋值次数,用以表示详细的数据,接下来做出来的这个类,可以判断整个排序执行的时间,用以宏观表示各个函数执行的快慢,以现有默认值(最大递归深度设置10000,列表从-2000~2000中选5000个数)进行排序,这样几乎每个排序都会有用时且对我电脑不会出现栈溢出的情况。

import time
time_show = True  # 是否显示执行时间


# 计算函数运行时长
def calc_time(decorator):
    def calc(function=None, *arg, **kwargs):
        if time_show:
            start = time.time()
            fun = decorator(function, *arg, **kwargs)
            print(f'{decorator.__name__} 函数执行时间为:{time.time() - start:.3f}')
            return fun
        else:
            return decorator(function, *arg, **kwargs)
    return calc


# 通用处理数字列表值正确性的装饰器函数,如果传入值 array 有效,则替换实例属性 array
def check(function):
    def num_array_check(self: object = None, array: list = None, *args: tuple, **kwargs: dict):
        if array and isinstance(array, list) and set([type(a) for a in array]).issubset({int, float}):
            self.array = array
        elif hasattr(self, 'array'):
            if self.array:
                array = self.array
            else:
                raise ValueError("The valid list value is empty !")
        else:
            self.array = []
            array = []
        return function(self, array, *args, **kwargs)
    return num_array_check


class Sort:
    @check
    # 数字列表选择性初始化
    def __init__(self, array: list = None):
        self.array = array

    @check
    @calc_time
    # 冒泡排序(Bubble Sort)
    def bubble(self, array: list = None):
        for _ in range(1, len(array)):  # TODO:第一层 for 表示循环的遍数
            for __ in range(0, len(array) - _):  # TODO:第二层 for 表示具体比较哪两个元素
                if array[__] > array[__ + 1]:  # TODO:如果前面的大于后面的
                    array[__], array[__ + 1] = array[__ + 1], array[__]  # TODO:交换这两个元素的位置
        return array

    @check
    @calc_time
    # 选择排序(Selection Sort)
    def selection(self, array: list = None):
        for _ in range(len(array) - 1):  # TODO:第一层 for 表示循环的遍数
            __ = _  # TODO:将起始元素设为最小元素
            for ___ in range(_ + 1, len(array)):  # TODO:第二层 for 表示最小元素和后面的元素逐个比较
                if array[__] > array[___]:  # TODO:如果当前元素比最小元素小
                    __ = ___  # TODO:把当前元素角标标记为最小元素角标
            array[_], array[__] = array[__], array[_]  # TODO:查找一遍后将最小元素与起始元素互换
        return array

    @check
    @calc_time
    # 插入排序(Insertion Sort)
    def insertion(self, array: list = None):
        for _ in range(1, len(array)):  # TODO:第一层 for 表示循环的遍数
            __ = array[_]  # TODO:设置当前需要插入的元素
            while _ and array[_ - 1] > __:  # TODO:当比较元素大于当前元素(此时变量 _ 被用于标记与当前元素比较的比较元素)
                array[_] = array[_ - 1]  # TODO:把比较元素后移
                _ -= 1  # TODO:往前选择下一个比较元素
            array[_] = __  # TODO:当比较元素小于当前元素,则将当前元素插入在其后面
        return array

    @check
    @calc_time
    # 希尔排序(Shell Sort)
    def shell(self, array: list = None, sep: int = 2):
        if not isinstance(sep, int):
            sep = 2
        _ = len(array) // sep  # TODO:取整计算增量(间隔)值
        while _:
            for __ in range(_, len(array)):  # TODO:从增量值开始遍历比较
                ___ = array[__]  # TODO:设置当前需要插入的元素
                while __ - _ >= 0 and array[__ - _] > ___:  # TODO:当比较元素大于当前元素(此时变量 __ 被用于标记与当前元素比较的比较元素)
                    array[__] = array[__ - _]  # TODO:把比较元素后移
                    __ -= _  # TODO:往前选择下一个比较元素
                array[__] = ___  # TODO:当比较元素小于当前元素,则将当前元素插入在其后面
            _ //= sep  # TODO:缩小增量(间隔)值
        return array

    @check
    @calc_time
    # 归并排序(Merge Sort)—— 1
    def merge(self, array: list = None):
        return self.__merge(array)

    # 归并排序(Merge Sort)—— 2
    def __merge(self, array: list = None):
        if len(array) < 2:
            return array
        return self.__merge_sort(self.__merge(array[:len(array) // 2]), self.__merge(array[len(array) // 2:]))  # TODO:使用递归运算二分法后的数列

    @staticmethod
    # 归并排序(Merge Sort)—— 3
    def __merge_sort(left, right):
        _ = []  # TODO:排序合并两个数列
        while left and right:  # TODO:两个数列都有值
            if left[0] <= right[0]:  # TODO:左右两个数列第一个最小放前面
                _.append(left.pop(0))
            else:
                _.append(right.pop(0))
        _.extend(left and left or right)  # TODO:只要数列中还有值,直接添加【 _ += left if left else right 】
        return _

    @check
    @calc_time
    # 快速排序(Quick Sort)—— 1
    def quick(self, array: list = None):
        return self.__quick(array)

    # 快速排序(Quick Sort)—— 2
    def __quick(self, array: list = None):
        if len(array) < 2:  # TODO:基线条件:为空或只包含一个元素的数组是“有序”的
            return array
        return self.__quick([_ for _ in array[1:] if _ <= array[0]]) + [array[0]] + self.__quick([_ for _ in array[1:] if _ > array[0]])  # TODO:由所有小于等于、基准元素、大于基准值的元素(递归条件)组成的子数组重新组合

    @check
    @calc_time
    # 堆排序(Heap Sort)—— 1
    def heap(self, array: list = None):
        for _ in range(len(array) // 2, -1, -1):
            array = self.__heap_sort(array, _, len(array))  # TODO:从第一个非叶子结点从下至上,从右至左调整结构(构建大顶堆)
        for __ in range(len(array) - 1, 0, -1):
            array[0], array[__] = array[__], array[0]  # TODO:将堆顶元素与末尾元素进行交换
            array = self.__heap_sort(array, 0, __)  # TODO:重新对堆进行调整(循环时候排序最后一个元素)
        return array

    # 堆排序(Heap Sort)—— 2
    def __heap_sort(self, array, _, __):  # TODO:堆调整
        ___ = _
        if 2 * _ + 1 < __ and array[2 * _ + 1] > array[___]:  # TODO:找出较大的一个子节点(当左子结点较大)
            ___ = 2 * _ + 1
        if 2 * _ + 2 < __ and array[2 * _ + 2] > array[___]:  # TODO:找出较大的一个子节点(当右子结点较大)
            ___ = 2 * _ + 2
        if ___ != _:  # TODO:如果堆项有调整则再次递归
            array[_], array[___] = array[___], array[_]  # TODO:将堆顶元素与末尾元素进行交换
            self.__heap_sort(array, ___, __)  # TODO:重新对堆进行调整
        return array

    @check
    @calc_time
    # 计数排序(Counting Sort)
    def counting(self, array: list = None):
        _ = [0] * len(array)  # TODO:存放排序后的数组
        __ = [array.count(_) for _ in range(min(array), max(array) + 1)]  # TODO:通过下标索引,记录数中有哪些数字,相同值的共有几个
        __ = [sum(__[:_]) for _ in range(1, len(__) + 1)]  # TODO:数组中小于某个数的数字个数,用于排序
        for ___ in array[::-1]:
            ___ -= min(array)  # TODO:针对负数与下标关系优化,使最小负数下标正好为 0
            _[__[___] - 1] = ___ + min(array)  # TODO:下标值为次序,还原负数与下标关系的优化
            __[___] -= 1  # TODO:每插入一个数,当前下标就减一
        return _

    @check
    @calc_time
    # 桶排序(Bucket Sort)
    def bucket(self, array: list = None):
        _ = []  # TODO:存放排序后的数组
        __ = [array.count(_) for _ in range(min(array), max(array) + 1)]  # TODO:通过下标索引,记录数中有哪些数字,相同值的共有几个
        for ___, ____ in enumerate(__):
            for _____ in range(____):  # TODO:执行数字出现次数次操作(对计数排序的优化)
                _.append(___ + min(array))  # TODO:下标值为次序,还原负数与下标关系的优化
        return _

    @check
    @calc_time
    # 基数排序(Radix Sort)
    def radix(self, array: list = None):
        _ = [__ - min(array) for __ in array]  # TODO:针对负数与下标关系优化,使最小负数下标正好为 0,构造没有负数的数组
        for __ in range(len(str(max(_)))):  # TODO:按最大数字长度做多轮操作,从个位到十位到百位...
            ____ = [[] for _ in range(10)]  # TODO:因为每一位数字都是 0-9 ,故建立10个桶
            for ___ in _:
                ____[int(___ / (10 ** __) % 10)].append(___)  # TODO:按个位、十位、百位...放入桶中
            _ = [___ for __ in ____ for ___ in __]  # TODO:按当前桶的顺序重排列表
        return [__ + min(array) for __ in _]


if __name__ == '__main__':
    import sys
    import random
    time_show = True  # 是否显示执行时间
    # 设置最大递归深度,默认最大递归 1000 次,设置最大递归深度后有效递归深度跟python版本、cpu性能、操作系统等有关
    sys.setrecursionlimit(10000)
    # array_list = [13, 27, 11, 18, 41, 25, 36, 29, -7, 111, 18, 33, -3]
    array_list = [random.randint(-2000, 2000) for _ in range(5000)]
    print('待排序的列表')
    print(array_list)
    print(f'待排序列表长度:{len(array_list)}')
    s = Sort(array_list)
    s.bubble()
    s.selection()
    s.insertion()
    s.shell()
    s.merge()
    s.quick()
    s.heap()
    s.counting()
    s.bucket()
    s.radix()
    # print(s.bubble())
    # print(s.selection())
    # print(s.insertion())
    # print(s.shell())
    # print(s.merge())
    # print(s.quick())
    # print(s.heap())
    # print(s.counting())
    # print(s.bucket())
    # print(s.radix())

测试结果

十大排序算法整理(含JavaScript版本与Python版本源码)
十大排序算法整理(含JavaScript版本与Python版本源码)
十大排序算法整理(含JavaScript版本与Python版本源码)

这里执行了3次,可以发现,插入排序几乎不消耗时间,其次就是希尔排序与归并排序,冒泡排序几乎是最费事的,基数排序几乎是最不稳定的。

十大排序算法整理(含JavaScript版本与Python版本源码)
十大排序算法整理(含JavaScript版本与Python版本源码)

再看判断赋值次数情况,这里执行了2次,当然肯定不准,因为我看着看着就明白没把列表推导式里的赋值算进去了,不然最后三种非比较排序执行次数这么少可能时间还用那么久。我们看到插入排序赋值次数最多,这里猜测赋值操作几乎不消耗时间。

结束语

这是我今年(2021年)发表的最后也是最长的一篇博客了,我对JavaScript不太熟,所以并没有测试JavaScript,就拿Python来开刀。本篇博客到此结束了,希望喜欢的能一键三连,提前祝大家:新年快乐!

上一篇:557.翻转字符串中的单词 III


下一篇:LeetCode 557. 反转字符串中的单词 III 双指针