• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

排序算法(C语言+Python版)宝宝再也不怕面试官写排序算法了

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

直接插入排序

过程:
1. 数据可分看成两个部分,前面的数据是有序的
2. 从后面的数据取出一个元素,插到前面有序数据的合适位置
从右端开始查找,到找到比此元素大的时候,则此元素向后移动,以空出多余的空间来插入此元素。
3. 查找至最后。

例:
3 2 4 5 8 1
2 3 4 5 8 1
1 2 3 4 5 8

def insert_sort(lists):
    count = len(lists)

    for i in range(1, count):
        tmp = lists[i]
        j = i - 1
        while j >= 0 and lists[j]>tmp:
            lists[j+1] = lists[j]
            j -= 1

        lists[j+1] = tmp
    return lists

 

void direct_insert_sort(int *ar, int count);

void direct_insert_sort(int *ar, int count){
	int tmp;
	int i;
	int j;

	for (i=1; i < count; i++){
		tmp = ar[i];
		j = i-1;
		while(j>=0 && (ar[j] > tmp) ){
			ar[j+1] = ar[j];
			j--; 
		}
		ar[j+1] = tmp;
	}
}

  

希尔排序

过程:
1.将所有的数据分组为N/2;这样每组就有2个数据,利用直接插入排序。
2.将所有的数据分组为N/2*2; 每组就有4个数据,利用直接插入排序。
3.step大于等于1,最后再一次直接插入排序

评价:
1. 时间复杂度:n^1.25 或者 nlog2(n)
2. 非稳定
3. 插入排序对于“局部有序”有较好的表现

def shell_sort(lists):
	count = len(lists)
	step = count/2
	while step>0:		
		for i in range(step, count, step):
			tmp = lists[i]
			j = i - step
			while j >= 0 and lists[j] > tmp:
				lists[j+step] = lists[j]
				j -= step
			lists[j+step] = tmp
		step/=2
	return lists

  

void inner_direct_insert_sort(int *ar, int count, int step);
void shell_sort(int *ar, int count);

void shell_sort(int *ar, int count){
	int step;
	for (step=count/2; step > 0; step/=2)
		inner_direct_insert_sort(ar, count, step);
}

// 调用插入排序,但是这里需要改变步长。
void inner_direct_insert_sort(int *ar, int count, int step){
	int tmp;
	int i;
	int j;

	for (i=step; i < count; i+=step){
		tmp = ar[i];
		j = i-step;
		while(j>=0 && (ar[j] > tmp) ){
			ar[j+step] = ar[j];
			j-=step; 
		}
		ar[j+step] = tmp;
	}
}

冒泡排序:

哈哈最简单了

1. 从头开始,依次和自己后面的元素进行比较,交换

时间复杂度也很高O(N^2)

def bubble_sort(lists):
	count = len(lists)
	for i in range(0, count):
		for j in range(i+1, count)
			if lists[i] > lists[j]:
				lists[i], lists[j] = lists[j], lists[i]
	return lists

  

void bubble_sort(int *ar, int count);

void bubble_sort(int *ar, int count){
	int i;
	int j;
	int tmp;

	for(i=0; i<count; i++){
		for (j=i+1; j<count; j++){
			if(ar[i] > ar[j]){
				tmp = ar[i];
				ar[i] = ar[j];
				ar[j] = tmp;
			}
		}
	}
}

  

快速排序

过程:
1、基本的步骤
首先确定参考元素,参考元素左边是比参考元素小的元素,参考元素右边是比参考元素大的元素;
即参考元素把数据分成两部分
先设参考

2、递归调用基本的步骤


评价:
时间复杂度:O(N*log2N)
稳定性:非稳定
如果第一个参考元素比后面的有多个元素大,则排序之后逆序
如果第一个参考元素比后面的有多个元素小,则排序之后顺序

最差情况:完全逆序、完全顺序

def quick_sort(lists, left, right):
	if left >= right:
		return lists

	tmp = lists[left]
	start = left
	end = right

	while left < right:
		while left < right and lists[right] > tmp:
			right -= 1
		if left < right:
			lists[left] = lists[right]
			left += 1

		while left < right and lists[left] < tmp:
			left += 1
		if left < right:
			lists[right] = lists[left]
			right -= 1
	lists[left] = tmp

	quick_sort(lists, start, left-1)
	quick_sort(lists, left+1, end)
	return lists

  

int base_action(int *ar, int start_index, int end_index);
void inner_quick_sort(int *ar, int start_index, int end_index);
void quick_sort(int *ar, int count);

void quick_sort(int *ar, int count){
	inner_quick_sort(ar, 0, count-1);
}

void inner_quick_sort(int *ar, int start_index, int end_index){
	int mid_index;

	if(start_index < end_index){
		mid_index = base_action(ar, start_index, end_index);
		inner_quick_sort(ar, start_index, mid_index-1);
		inner_quick_sort(ar, mid_index+1, end_index);
	}
}

int base_action(int *ar, int start_index, int end_index){
	int tmp;

	tmp = ar[start_index];
	while(start_index < end_index){
		while(start_index < end_index && ar[end_index] > tmp){
			end_index--;
		}

		if(start_index < end_index){
			ar[start_index] = ar[end_index];
			start_index++; 
		}

		while(start_index < end_index && ar[start_index] < tmp){
			start_index++;
		}

		if(start_index < end_index){
			ar[end_index] = ar[start_index];
			end_index--;
		}
	}
	ar[start_index] = tmp;

	return start_index;
}

  

直接选择排序

过程:
1. 先在所有的元素中选出最值,则当前的第一个元素交换,即放到有序的集合里面;
2. 再在后面剩余的元素中找出最值,放到之前的有序集合里面。注意,是放在有序集合的最右边;
2.1 选取下一个节点为参考元素,接着和剩余的元素作比较,选出最值的下标。
2.2 循环完成,就选择出了最值了。
2.3 检测最值的下标和之前的参考元素的下标是否相同,如果相同的话,说明中间并没有改变,
也就是说参考元素就是最值。
如果最值的下标和之前的参考元素的下标不同,则交换元素。

评价:
1. 时间复杂度:O( (1+n-1)n/2) ==>O(n*n)
2. 非稳定的
3. 完全升序,交换次数最少
4. 完全逆序,交换次数不是最多;

def select_sort(lists):
    count = len(lists)

    for i in range(count):
        min_index = i
        for j in range(i+1,count):
            if lists[j] < lists[min_index]:
                min_index = j
        if min_index != i:
            lists[i], lists[min_index] = lists[min_index], lists[i]
    return lists

  

void direct_select_sort(int *ar, int count);

void direct_select_sort(int *ar, int count){
	int tmp;		//用于交换的中间值
	int i;			//下一个要比较的元素,即参考元素
	int j;			//除了已排好序的集合和下一个元素,剩下的所有元素的都和下一个元素比较
	int minIndex;	     //最小的值的下标,将来放到已排好的元素中去

	for (i=0; i < count-1; i++){
		minIndex = i;
		for (j = i+1; j<count; j++){
			if(ar[j] < ar[minIndex] ){
				minIndex = j;
			}
		}
		if (minIndex != i){
			tmp = ar[minIndex];
			ar[minIndex] = ar[i];
			ar[i] = tmp;
 		}
	}
}

  

堆排序

过程:
1、将整个的数据,调整成大根堆。(大根堆:根节点大于左右节点,调整过程深度优先)
这里提下完全二叉树的性质
设总结点为count
叶子节点数量:(count+1)/2
非叶子节点数量: count - (count+1)/2 = (count-1)/2
最后一个非节点: (count-1)/2 - 1
2、将根节点和最后一个叶子节点交换。之后再次调整整棵数为大根堆
3、直到只有一个根节点

评价:
1. 非稳定
2. O(N·log2N)
3. 完全顺序:小跟堆,最差情况
4. 完全逆序:大根堆,比较次数不变。最优情况

def adjust_head(lists, root, count):
    not_finished = True

    while not_finished and root <= (count-1)/2:
        max_index = root
        left_child  = 2*root + 1
        right_child = 2*root + 2
        if left_child < count and lists[left_child] > lists[max_index]:
            max_index = left_child
        if right_child < count and lists[right_child] > lists[max_index]:
            max_index = right_child
        if root != max_index:
            lists[root], lists[max_index] = lists[max_index], lists[root]
        else:
            not_finished = False
        root = max_index    

def heap_sort(lists):   
    count = len(lists)
    last_not_leaf_node = (count-1)/2
    for root in range(last_not_leaf_node, -1, -1):
        adjust_head(lists, root,count)                            #调整为大跟堆
    while count > 1:
       lists[count-1], lists[0] = lists[0], lists[count-1]    
       count -= 1
       adjust_head(lists,root, count)
    return lists
            

  

void adjustBigHeap(int *ar, int count, int root);
void heapSort(int *ar, int count);

void heapSort(int *ar, int count){
	int root;
	int tmp;

	for(root = (count-1)/2-1; root > 0; root--){
		adjustBigHeap(ar, count, root);	
	}

	while(count > 1){
		adjustBigHeap(ar, count, root);
		tmp = ar[0];
		ar[0] = ar[count-1];
		ar[count-1] = tmp;
		count--;
	}
}

void adjustBigHeap(int *ar, int count, int root){
	int maxIndex;
	int tmp;
	boolean finished = FALSE;
	
	while(!finished && maxIndex < (count-1)/2){
		maxIndex = 2*root+1 < count && ar[2*root+1] > ar[root] ? 2*root+1 : root;
		maxIndex = 2*root+2 < count && ar[2*root+2] > ar[maxIndex] ? 2*root+2 : maxIndex;

		if(maxIndex != root){
			tmp = ar[root];
			ar[root] = ar[maxIndex];
			ar[maxIndex] = tmp;
		}else{
			finished = TRUE;
		}
		root = maxIndex;
	}
}

 

归并算法:分而治之

1. 将所有的数一分为二,在把其中的一组再一分为二,如此反复,最后在将有序的数组合并

2. 最关键的就是,递归终止的条件,即当每个组中只有一个元素。

3. 最重要的就是处理怎么合并。假设左边有序的起点为i, 右边有序的起点为j。将左右两边的数组相互比较,如果左边小的话,将比较的元素放入到结果集中,同时i应该加1。

 如果右边元素大,则它放到结果集中,同时j要加1。如果左右两边其中的一边达到顶端(mid/end),则把另一组元素全部放到结果集中

评价:

平均情况   最坏情况     最好情况     空间复杂度
O(nlog2n)  O(nlog2n)     O(nlog2n)   O(n)
稳定

def merge(left, right):
	i, j = 0, 0 
	rst = []
	while i < len(left) and j < len(right):
		if left[i] <= right[j]:
			rst.append(left[i])
			i += 1
		else:
			rst.append(right[j])
			j += 1
	rst += left[i:]
	rst += right[j:]

	return rst

def merge_sort(lists):
	if len(lists) <= 1:
		return lists

	middle = len(lists)/2
	left  = merge_sort(lists[middle:])
	right = merge_sort(lists[:middle])

	return merge(left, right)

 

void merge_sort(int *ar, int left, int right);
void merge(int *ar, int left, int right);

void merge_sort(int *ar, int left, int right){
	int i;
	if(left < right){
		i = (left + right)/2;
		merge_sort(a, left, i);
		merge_sort(a, i+1, right);
		merge(a, left, right);
	}
}

void merge(int *ar, int left, int right){
	int begin1 = left;
	int mid = (left + right)/2;
	int begin2 = mid+1;
	int k = 0;
	int new_ar_len = right - left + 1;
	int *b = (int *)malloc(new_ar_len*sizeof(int));
	while(begin1 <= mid && begin2 <= right){
		if(ar[begin1] <= ar[begin2]){
			b[k++] = ar[begin1++];
		}else {
			b[k++] = ar[begin2++];
		}
		while(begin1 <= mid)
			b[k++] = ar[begin1++];
		while(begin2 <= right)
			b[k++] = ar[begin2++];
		copy_array(b, a, new_ar_len, left);
		free(b);
	}
}

void copy_array(int *src, int *dst, int new_ar_len, int first){
	int i;
	int j=first;

	for(i=0; i < len; i++){
		dst[j] = src[i];
		j++;
	}
}

 

基数排序:

将所有的数,按照各位进行排序并保持数组,接着按照十位排序,进行百位...

桶的个数,应该是基数的大小

进行比较的次数=所有元素最大数所占的位数

def radix_sort(lists):
    for k in xrange(len(str(max(lists)))):
        bucket = [ [] for _ in xrange(10)]
        for i in lists:
            bucket[i / (10 ** k) % 10].append(i)
        lists = [element for item in bucket for element in item]
    return lists

  c语言我看着晕~

 

直接交换排序

过程:
相邻的两个比较,交换;
一轮比较之后,最后的一个数为最值(比较时使用'>',为升序,最后一个为最大值)
下一比较,那么最后的数值就不需要比较。如m次比较,只需比较前面1,n-m-1之间的数
但是如果在一次比较的过程中,没有交换数据,那么数值就已经排序完成了。这里借助了标志位来判断


时间复杂度:O(n^2)
稳定!
最优:全为升序
最差:全为逆序

  

def exchange_sort(lists):
    count = len(lists)
    has_exchanged = True             #在比较的过程中,如果没有数字发生交换,那么说明数据已经有序的了。退出即可
 
    for i in range(0, count):
        for j in range(0, count-i-1):
            has_exchanged = False
            if lists[j] > lists[j+1]:
                lists[j], lists[j+1] = lists[j+1], lists[j]
                has_exchanged = True
        if not has_exchanged:
            break

    return lists

  

void direct_change_sort(int *ar, int count){
	int i;
	int j;
	int tmp;
	unsigned char has_exchanged;

	for(i=0; i<count && has_exchanged ; i++){
		for(j=0,has_exchanged = 0; j<count-i; j++){
			if(ar[j] > ar[j+1]){
				tmp = ar[j+1];
				ar[j+1] = ar[j];
				ar[j] = tmp;
				has_exchanged = 1;
			}
		}
	}
}

  

偷张图:

 


鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
MySQL(C#的链接姿势)发布时间:2022-07-18
下一篇:
C#中Trim()、TrimStart()、TrimEnd()的用法发布时间:2022-07-18
热门推荐
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap