python3如何实现常见的排序算法

小编给大家分享一下python3如何实现常见的排序算法，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

冒泡排序

冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。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。

def mao(lst):     for i in range(len(lst)):         # 由于每一轮结束后，总一定有一个大的数排在后面         # 而且后面的数已经排好了         # 即i轮之后，就有i个数字被排好         # 所以其 len-1 -i到 len-1的位置是已经排好的了         # 只需要比较0到len -1 -i的位置即可         # flag 用于标记是否刚开始就是排好的数据         # 只有当flag状态发生改变时（第一次循环就可以确定），继续排序，否则返回         flag = False         for j in range(len(lst) - i - 1):             if lst[j] > lst[j + 1]:                 lst[j], lst[j + 1] = lst[j + 1], lst[j]                 flag = True                 # 非排好的数据，改变flag         if not flag:             return lst     return lst print(mao([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

选择排序

选择排序是一种简单直观的排序算法。它的工作原理：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，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。

# 选择排序是从前开始排的 # 选择排序是从一个列表中找出一个最小的元素，然后放在第一位上。 # 冒泡排序类似 # 其 0 到 i的位置是排好的，只需要排i+1到len(lst)-1即可 def select_sort(lst):     for i in range(len(lst)):         min_index = i  # 用于记录最小的元素的索引         for j in range(i + 1, len(lst)):             if lst[j] < lst[min_index]:                 min_index = j         # 此时，已经确定，min_index为 i+1 到len(lst) - 1 这个区间最小值的索引         lst[i], lst[min_index] = lst[min_index], lst[i]     return lst def select_sort2(lst):     # 第二种选择排序的方法     # 原理与第一种一样     # 不过不需要引用中间变量min_index     # 只需要找到索引i后面的i+1到len(lst)的元素即可     for i in range(len(lst)):         for j in range(len(lst) - i):             # lst[i + j]是一个i到len(lst)-1的一个数             # 因为j <= len(lst) -i 即 j + i <= len(lst)             if lst[i] > lst[i + j]:                 # 说明后面的数更小，更换位置                 lst[i], lst[i + j] = lst[i + j], lst[i]     return lst print(select_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7])) print(select_sort2([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

快速排序

快速排序是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。

# 原理 # 1. 任取列表中的一个元素i # 2. 把列表中大于i的元素放于其右边，小于则放于其左边 # 3. 如此重复 # 4. 直到不能在分，即只剩1个元素了 # 5. 然后将这些结果组合起来 def quicksort(lst):     if len(lst) < 2:    # lst有可能为空         return lst     # ['pɪvət] 中心点     pivot = lst[0]     less_lst = [i for i in lst[1:] if i <= pivot]     greater_lst = [i for i in lst[1:] if i > pivot]     # 最后的结果就是     #           左边的结果 + 中间值 + 右边的结果     # 然后细分   左+中+右   + 中间值 + 左 + 中+ 右     #      ...........    + 中间值 + ............     return quicksort(less_lst) + [pivot] + quicksort(greater_lst) print(quicksort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7])) print(quicksort([1, 5, 8, 62]))

插入排序

插入排序的算法描述是一种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。

# lst的[0, i) 项是有序的，因为已经排过了 # 那么只需要比对第i项的lst[i]和lst[0 : i]的元素大小即可 # 假如，lst[i]大，则不用改变位置 #     否则，lst[i]改变位置，插到j的位置，而lst[j]自然往后挪一位 #     然后再删除lst[i+1]即可（lst[i+1]是原来的lst[i]） # # 重复上面步骤即可，排序完成 def insert_sort(lst: list):     # 外层开始的位置从1开始，因为从0开始都没得排     # 只有两个元素以上才能排序     for i in range(1, len(lst)):         # 内层需要从0开始，因为lst[0]的位置不一定是最小的         for j in range(i):             if lst[i] < lst[j]:                 lst.insert(j, lst[i])                 # lst[i]已经插入到j的位置了，j之后的元素都往后+1位，所以删除lst[i+1]                 del lst[i + 1]     return lst print(insert_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

希尔排序

希尔排序是1959年Shell发明的，第一个突破O(n2)的排序算法，是简单插入排序的改进版。它与插入排序的不同之处在于，它会优先比较距离较远的元素。希尔排序又叫缩小增量排序。

希尔排序

# 希尔排序是对直接插入排序的优化版本 # 1. 分组： #       每间隔一段距离取一个元素为一组 #       间隔自己确定，一般为lst的一半 # 2. 根据插入排序，把每一组排序好 # 3. 继续分组： #         同样没间隔一段距离取一个元素为一组 #         间隔要求比  之前的间隔少一半 # 4. 再每组插入排序 # 5. 直到间隔为1，则排序完成 # def shell_sort(lst):     lst_len = len(lst)     gap = lst_len // 2  # 整除2，取间隔     while gap >= 1:  # 间隔为0时结束         for i in range(gap, lst_len):             temp = lst[i]             j = i             # 插入排序             while j - gap >= 0 and lst[j - gap] > temp:                 lst[j] = lst[j - gap]                 j -= gap             lst[j] = temp         gap //= 2     return lst print(shell_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7])) # 奇数 #       gap = 2 # [5, 2, 4, 3, 1] # [5, 4, 1] [2, 3] # [1, 4, 5, 2, 3] #       gap = 1 # [1, 2, 3, 4, 5] # 偶数 #       gap = 3 # [5, 2, 4, 3, 1， 6] # [5, 3] [2, 1] [4,6] # [3, 5, 1, 2, 4 , 6] #       gap = 1 # [1, 2, 3, 4, 5, 6]

并归排序

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 Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。

并归排序

# 利用分治法 # 不断将lst分为左右两个分 # 直到不能再分 # 然后返回 # 将两边的列表的元素进行比对，排序然后返回 # 不断重复上面这一步骤 # 直到排序完成，即两个大的列表比对完成 def merge(left, right):     # left 可能为只有一个元素的列表，或已经排好序的多个元素列表（之前调用过merge）     # right 也一样     res = []     while left and right:         item = left.pop(0) if left[0] < right[0] else right.pop(0)         res.append(item)     # 此时，left或right已经有一个为空，直接extend插入     # 而且，left和right是之前已经排好序的列表，不需要再操作了     res.extend(left)     res.extend(right)     return res def merge_sort(lst):     lst_len = len(lst)     if lst_len <= 1:         return lst     mid = lst_len // 2     lst_right = merge_sort(lst[mid:len(lst)])       # 返回的时lst_len <= 1时的 lst 或 merge中进行排序后的列表     lst_left = merge_sort(lst[:mid])                # 返回的是lst_len <= 1时的 lst 或 merge中进行排序后的列表     return merge(lst_left, lst_right)               # 进行排序，lst_left lst_right 的元素会不断增加 print(merge_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

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。然后进行排序。

堆排序

# 把列表创成一个大根堆或小根堆 # 然后根据大（小）根堆的特点：根节点最大（小），逐一取值 # # 升序----使用大顶堆 # # 降序----使用小顶堆 # 本例以小根堆为例 # 列表lst = [1, 22 ,11, 8, 12, 4, 9] # 1. 建成一个普通的堆： #          1 #        /   \ #       22    11 #      / \    / \ #     8  12  4   9 # # 2. 进行调整，从子开始调整位置，要求： 父节点<= 字节点 # #          1                                    1                                    1 #        /   \         13和22调换位置         /   \          4和11调换位置          / \ #       22    11       ==============>      13     11       ==============>       13    4 #      / \    / \                          / \    /  \                           / \   /  \ #     13  14 4   9                       22  14  4    9                        22  14 11   9 # # 3. 取出树上根节点，即最小值，把换上叶子节点的最大值 # #                   1 #                  / #             ~~~~/ #          22 #         /   \ #        8     4 #         \   /  \ #         12 11   9 # # 4. 按照同样的道理，继续形成小根堆，然后取出根节点，。。。。重复这个过程 # #          1                    1                 1  4                1 4           1 4 8           1 4 8 #           /                    /                  /                    /             /                 / #       ~~~/                 ~~~/               ~~~/                 ~~~/          ~~~/              ~~~/ #      22                   4                 22                   8             22                9 #     /   \               /   \              /   \               /   \          /   \             /  \ #    8     4             8     9            8     9             12    9        12    9           12  11 #     \   /  \            \   /  \           \   /               \   /              /                / #     12 11   9           12 11  22          12 11               22 11            11               22 # # 续上： #       1 4 8 9          1 4 8 9           1 4 8 9 11     1 4 8 9 11    1 4 8 9 11 12   ==>  1 4 8 9 11 12 22 #            /                  /                  /                /              / #        ~~~/               ~~~/               ~~~/             ~~~/           ~~~/ #       22                 11                22                12            22 #      /   \              /   \             /                  / #     12    11           12    22          12                22 # # 代码实现 def heapify(lst, lst_len, i):     """创建一个堆"""     less = i  # largest为最大元素的索引     left_node_index = 2 * i + 1  # 左子节点索引     right_node_index = 2 * i + 2  # 右子节点索引     # lst[i] 就是父节点(假如有子节点的话)：     #     #                 lst[i]     #                  /   \     #      lst[2*i + 1]    lst[ 2*i + 2]     #     # 想要大根堆，即升序， 将判断左右子节点大小的 ‘>' 改为 ‘<' 即可     #     if left_node_index < lst_len and lst[less] > lst[left_node_index]:         less = left_node_index     if right_node_index < lst_len and lst[less] > lst[right_node_index]:         # 右边节点最小的时候         less = right_node_index     if less != i:         # 此时，是字节点大于父节点，所以相互交换位置         lst[i], lst[less] = lst[less], lst[i]  # 交换         heapify(lst, lst_len, less)         # 节点变动了，需要再检查一下 def heap_sort(lst):     res = []     i = len(lst)     lst_len = len(lst)     for i in range(lst_len, -1, -1):         # 要从叶节点开始比较，所以倒着来         heapify(lst, lst_len, i)     # 此时，已经建好了一个小根树     # 所以，交换元素，将根节点（最小值）放在后面，重复这个过程     for j in range(lst_len - 1, 0, -1):         lst[0], lst[j] = lst[j], lst[0]  # 交换，最小的放在j的位置         heapify(lst, j, 0)      # 再次构建一个[0: j)小根堆 [j: lst_len-1]已经倒序排好了     return lst arr = [1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7] print(heap_sort(arr))

以上是“python3如何实现常见的排序算法”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！