常用排序算法


1. 基础排序算法

1.1 冒泡排序(Bubble Sort)

原理

依次比较相邻元素,将较大的元素逐步"冒泡"到右侧。

python 复制代码
def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        swapped = False
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
                swapped = True
        if not swapped:
            break
    return arr

时间复杂度

  • 最佳:O(n)(已有序时)
  • 平均/最差:O(n²)
    适用场景:教学用途或小型数据集

1.2 选择排序(Selection Sort)

原理

每次遍历选择未排序部分的最小值,放到已排序序列末尾。

python 复制代码
def selection_sort(arr):
    n = len(arr)
    for i in range(n):
        min_idx = i
        for j in range(i+1, n):
            if arr[j] < arr[min_idx]:
                min_idx = j
        arr[i], arr[min_idx] = arr[min_idx], arr[i]
    return arr

时间复杂度

  • 所有情况:O(n²)
    适用场景:内存敏感的小型数据集

1.3 插入排序(Insertion Sort)

原理

将每个元素插入到已排序序列的合适位置。

python 复制代码
def insertion_sort(arr):
    for i in range(1, len(arr)):
        key = arr[i]
        j = i-1
        while j >=0 and key < arr[j]:
            arr[j+1] = arr[j]
            j -= 1
        arr[j+1] = key 
    return arr

时间复杂度

  • 最佳:O(n)(已有序时)
  • 平均/最差:O(n²)
    适用场景:小规模数据或基本有序的数据

2. 高效排序算法

2.1 快速排序(Quick Sort)

原理

分治策略,选取基准值将数组分为两部分递归排序。

python 复制代码
def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr)//2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

时间复杂度

  • 平均:O(n log n)
  • 最差:O(n²)(当已有序且选第一个元素为基准时)
    优化 :三数取中法选择基准
    适用场景:通用排序,尤其适合大规模随机数据

2.2 归并排序(Merge Sort)

原理

分治法将数组拆分为最小单元后合并排序。

python 复制代码
def merge_sort(arr):
    if len(arr) > 1:
        mid = len(arr)//2
        L = arr[:mid]
        R = arr[mid:]
        merge_sort(L)
        merge_sort(R)
        
        i = j = k = 0
        while i < len(L) and j < len(R):
            if L[i] < R[j]:
                arr[k] = L[i]
                i += 1
            else:
                arr[k] = R[j]
                j += 1
            k += 1
        
        while i < len(L):
            arr[k] = L[i]
            i += 1
            k += 1
        
        while j < len(R):
            arr[k] = R[j]
            j += 1
            k += 1
    return arr

时间复杂度

  • 所有情况:O(n log n)
    适用场景:需要稳定排序且内存充足时

2.3 堆排序(Heap Sort)

原理

利用堆数据结构实现选择排序。

python 复制代码
def heapify(arr, n, i):
    largest = i
    l = 2 * i + 1
    r = 2 * i + 2
    if l < n and arr[i] < arr[l]:
        largest = l
    if r < n and arr[largest] < arr[r]:
        largest = r
    if largest != i:
        arr[i], arr[largest] = arr[largest], arr[i]
        heapify(arr, n, largest)

def heap_sort(arr):
    n = len(arr)
    for i in range(n//2-1, -1, -1):
        heapify(arr, n, i)
    for i in range(n-1, 0, -1):
        arr[i], arr[0] = arr[0], arr[i]
        heapify(arr, i, 0)
    return arr

时间复杂度

  • 所有情况:O(n log n)
    适用场景:需要O(1)空间复杂度的高效排序

3. 特殊场景算法

3.1 计数排序(Counting Sort)

原理

统计元素出现次数,适用于整数范围较小的情况。

python 复制代码
def counting_sort(arr):
    max_val = max(arr)
    count = [0] * (max_val+1)
    for num in arr:
        count[num] += 1
    sorted_arr = []
    for i in range(len(count)):
        sorted_arr.extend([i]*count[i])
    return sorted_arr

时间复杂度

  • O(n + k)(k为数据范围)
    适用场景:整数排序且值域较小

3.2 基数排序(Radix Sort)

原理

按位排序,从低位到高位依次排序。

python 复制代码
def counting_sort_for_radix(arr, exp):
    n = len(arr)
    output = [0] * n
    count = [0] * 10
    
    for i in range(n):
        index = (arr[i] // exp) % 10
        count[index] += 1
    
    for i in range(1,10):
        count[i] += count[i-1]
    
    i = n-1
    while i >= 0:
        index = (arr[i] // exp) % 10
        output[count[index]-1] = arr[i]
        count[index] -= 1
        i -= 1
    
    for i in range(n):
        arr[i] = output[i]

def radix_sort(arr):
    max_val = max(arr)
    exp = 1
    while max_val // exp > 0:
        counting_sort_for_radix(arr, exp)
        exp *= 10
    return arr

时间复杂度

  • O(nk)(k为最大位数)
    适用场景:整数或字符串排序

4. Python内置排序

Python的sorted()list.sort()使用Timsort算法(归并排序+插入排序的混合算法):

python 复制代码
# 基本排序
sorted_list = sorted([3,1,4,2])
lst = [3,1,4,2]
lst.sort()

# 自定义排序
sorted(students, key=lambda x: x.age)  # 按对象属性排序
sorted(words, key=len)                 # 按字符串长度排序

算法对比表

算法 时间复杂度(平均) 是否稳定 是否原地 适用场景
冒泡排序 O(n²) 教学/小数据
快速排序 O(n log n) 通用大规模数据
归并排序 O(n log n) 需要稳定排序
堆排序 O(n log n) 内存敏感的大数据
Timsort O(n log n) Python内置通用排序

选择建议

  1. 小数据量(n < 1000):插入排序或选择排序
  2. 通用场景 :优先使用内置的sorted()list.sort()
  3. 内存敏感:堆排序
  4. 稳定排序需求:归并排序或Timsort
  5. 整数范围小:计数排序/基数排序
相关推荐
eternal__day12 分钟前
Spring Boot 快速入手
java·spring boot·后端·spring·java-ee·maven
爱的叹息24 分钟前
Spring Boot中事务状态(TransactionStatus)的核心信息及常见应用场景
java·spring boot·后端
杉之1 小时前
Java中的不可变集合
java·笔记·学习
舔甜歌姬的EGUMI LEGACY1 小时前
【算法day28】解数独——编写一个程序,通过填充空格来解决数独问题
算法
潘多编程1 小时前
Gradle实战指南:从入门到进阶,与Maven的深度对比
java·maven
故城、1 小时前
MQ中的RabbitMQ
java·mq
welkin1 小时前
KMP 个人理解
前端·算法
橘猫云计算机设计1 小时前
基于JavaWeb的二手图书交易系统(源码+lw+部署文档+讲解),源码可白嫖!
java·开发语言·前端·毕业设计·php
猿java1 小时前
程序员,你使用过灰度发布吗?
java·分布式·后端