本文来用图文的方式详细讲解了Python十大经典排序算法 —— 插入排序、选择排序、快速排序、冒泡排序、归并排序、希尔排序、插入排序、桶排序、基数排序、计数排序算法，想要学习的你们，继续阅读下去吧，如果觉得不错的话，推荐给身边的朋友吧。
插入排序
思路
- 从第一个元素开始，该元素可以认为已经被排序；
- 取出下一个元素，在已经排序的元素序列中从后向前扫描；
- 如果该元素（已排序）大于新元素，将该元素移到下一位置；
- 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；
- 将新元素插入到该位置；
- 重复步骤2~5。
代码
图示
平均时间复杂度
O(n^2)
希尔排序
前言
希尔排序是插排的升级，先将待排序的元素进行分组，在分组的基础上进行插排，从而降低整体上的时间复杂度。
这里面设计到一个增量的概念，我们依据增量来决定分组的跨度。常用的增量有三种：
- 希尔增量 [1,2,4,8,…,2^(k-1)]
- 海巴德增量 [1,3,7,15,…,2^k-1]
- 塞基维克增量 [1,5,19,41,…,4k-3*2k+1]
一般情况下希尔增量带来的时间复杂度小于O(n2),但在极坏情况下可能效果不明显甚至超过这个值。海巴德增量可以将时间复杂控制在O(n(3/2))以下，而塞基维克增量该项参数为O(n^(4/3))。
思路
- 择定增量
- 分组
- 组内比较
- 重复步骤2,3直到跨度为1
图示
代码
选择排序
思路
- 选出数组中最大（最小）的元素放到开头
- 在剩下的元素中选中最大（最小）元素放到上个被选元素之后
- 重复2步骤
图示
代码
平均时间复杂度
O(n^2)
堆排序
前言
堆排序，顾名思义，就是基于堆。因此先来介绍一下堆的概念。
堆分为最大堆和最小堆，其实就是完全二叉树。最大堆要求节点的元素都要大于其孩子，最小堆要求节点元素都小于其左右孩子，两者对左右孩子的大小关系不做任何要求，其实很好理解。有了上面的定义，我们可以得知，处于最大堆的根节点的元素一定是这个堆中的最大值。其实我们的堆排序算法就是抓住了堆的这一特点，每次都取堆顶的元素，将其放在序列最后面，然后将剩余的元素重新调整为最大堆，依次类推，最终得到排序的序列。
思路
- 把堆顶的最大数取出
- 将剩余的堆继续调整为最大堆
- 重复步骤1,2
图示
代码
平均时间复杂度
O(nlogn)
冒泡排序
思路
- 比较相邻的元素。如果第一个比第二个大，就交换他们两个。
- 对每一对相邻元素做同样的工作，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。
- 针对所有的元素重复以上的步骤，除了最后一个。
- 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。
图示
代码
平均时间复杂度
O(n^2)
快速排序
思路
- 先从集合中取出一个数作为“哨兵”
- 将集合中比哨兵大的元素和比哨兵小的元素分列两侧
- 再对左右区间重复第二步，直到各区间只有一个数
图示
代码
平均时间复杂度
O(nlogn)
归并排序
思路
- 将列表拆分成两个有序子模块
- 递归拆分
- 子模块内部进行排序并合并成大的模块
- 递归合并
图示
代码
平均时间复杂度
O(nlogn)
计数排序
思路
- 找出集合中最小数m和最大数n
- 建一个长为(m-n+1)的列表count_list，所有元素初始化为0
- 遍历集合，元素减去n得到的结果作为index，将count_list该位上的元素加1。
- 初始化空列表result。
- 将count_list序列化，用索引值减去n,得到的结果追加到result中,索引值对应的位元素值减1，直到它为0。
- 重复步骤5。
图示
代码
平均时间复杂度
O(n)
桶排序
前言
桶排序是将待排序集合中处于同一个值域的元素存入同一个桶中，也就是根据元素值特性将集合拆分为多个区域，则拆分后形成的多个桶，从值域上看是处于有序状态的。对每个桶中元素进行排序，则所有桶中元素构成的集合是已排序的。
思路
- 根据待排序集合中最大元素和最小元素的差值范围和映射规则，确定申请的桶个数；
- 遍历待排序集合，将每一个元素移动到对应的桶中；
- 对每一个桶中元素进行排序，并移动到已排序集合中。
图示
代码
平均时间复杂度
O(n^2)
基数排序
思路
- 首先根据个位数的数值，在走访数值时将它们分配至编号0到9的桶中;
- 接下来将这些桶中的数值重新串接起来，成为以下的数列。接着再进行一次分配，这次是根据十位数来分配；
- 接下来将这些桶中的数值重新串接起来，持续进行以上的动作直至最高位数为止。
图示
代码
平均时间复杂度
O(d*2*n), 这里的d是数值位数
本文来自热心好友原味吐司的投稿，点赞！
更多有关python、深度学习和计算机编程的精彩内容，可以关注微信公众号：哆啦A梦爱学习
