Python 十大经典排序算法实现详解

下面是关于“Python 十大经典排序算法实现详解”的完整攻略。

1. 十大经典排序算法

排序法是计算机科学中最基本的算法之一，是 Python 开发者必须掌握的算法之一。Python 中常见的算法包括冒泡排序、选择排序、插入排序、快速排序、归并排序、堆排序、计数排序、桶排序、基数排序和鸽巢排序。下将逐一介绍这些算法的实现方法。

1.1 冒泡排序

冒泡排序算法是一种简单的排序算法，它的基本思想是从数据集合的第一个元素开始逐个比较，前一个元素大于后一个元素，则交换它们的位置。在 Python 中，我们可以使用冒泡排序算法来对任意数据类型元素进行排序。

下面使用 Python 实现冒泡排序算法：

def bubble_sort(arr):
 n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]

在这个代码中，我们定义了 bubble_sort() 函数来实现冒泡排序算法。我们首先定义数组的长度 n，然后使用两个嵌套循环来遍历整个数组。在内层循环中，我们比较相邻的两个元素，如果前一个元素大于后一个元素，则交换它们的位置。

下面是一个使用冒泡排序算法的示例：

arr = [64, 34, 25, 12, 22, 11, 90]
bubble_sort(arr)
print("Sorted array is:", arr)

输出：

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中，我们定义了一个包含 7 个元素的数组，并使用 bubble_sort() 函数对其进行排序。最终输出排序后的数组。

1.2 选择排序

选择排序算法是一种简单的算法，它的基本思想是从数据集合中选择最小的元素，然后将其放在第一个位置，接着从剩余的元素中选择最小的元素，放在第二个位置，以此类推。在 Python 中，我们可以使用选择排序算法来对任意数据类型的元素进行排序。

下面使用 Python 实现选择排序算法：

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]

在这个代码中，我们定义了 selection_sort() 函数来实现选择排序算法。我们首先定义数组的长度 n，然后个嵌套循环来遍历整个数组。在内层循环中，我们找到未排序部分中最小元素，并将其与未排序部分的第一个元素交换位置。

下面是一个使用选择排序算法的示例：

arr = [64, 34, 25, 12, 22, 11, 90]
selection_sort(arr)
print("Sorted array is:", arr)

输出：

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中，我们定义了一个包含 7 个元素的数组，并使用 selection_sort() 函数其进行排序。最终输出排序后的数组。

1.3 插入排序

插入排序算法是一种简单的排序算法，它基本思想是将未排序的元素逐个插入到已排序的部分中，直到所有元素都插到已排序的部分中。在 Python 中，我们可以使用插入排序算法来对任意数据类型的元素进行排序。

下面使用 Python 实现插入排序算法：

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

在这个代码中，我们定义了 insertion_sort() 函数来实现插入排序算法。我们首先定义数组的长度 n，然后使用两个嵌套循环来遍历整个数组。在内层循环中我们将未排序的元素逐个插入到已排序的部分中。

下面是一个使用插入排序算法的示例：

arr = [64, 34, 25, 12, 22, 11, 90]
insertion_sort(arr)
print("Sorted array is:", arr)

输出：

Sorted array is: [, 12, , 25, 34, 64, 90]

在这个示例中，我们定义了一个包含 7 个元素的数组，并使用 insertion_sort() 函数对其进行排序。最终输出排序后的数组。

1.4 快速排序

快速排序算法是一种高效的排序算法，它的基本思想是选择一个基准元素，然后将数组分成两部分，一部分小于基准元素，一部分大于基准元素。然后递归地对两部分进行排序。在 Python 中，我们可以使用快速排序算法对任意数据类型的元素进行排序。

下面使用 Python 实现快速排序算法：

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)

在这个代码中，我们定义了 quick_sort() 函数来实现快速排序算法。我们首先判断数组的长度是否小于等于 1，如果是，则直接返回数组。否则，我们选择一个基准元素 pivot，然后将数组分成三部分：小于基准元素的部分、等于基准元素的分和大于基准元素的部分。然后递归地对小于和大于基准元素的部分进行排序，最后将三部分合并起来。

下面是一个使用快速排序算法的示例：

arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = quick_sort(arr)
print("Sorted array is:", sorted_arr)

输出：

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中，我们定义了一个包含 7 个元素的数组，并使用 quick_sort() 函数对其进行排序。最终输出排序后的数组。

1.5 归并排序

归并排序算法是一种高效的排序算法，它的基本思想是将数组分成两部分，递归地对两部分进行排序然后将两部分合并起来。在 Python 中，我们可以使用归并排序算法来对任意数据类型的元素进行排序。

下面使用 Python 实现归并排序算法：

def merge_sort(arr):
    if len(arr) <=1:
        return arr
    mid = len(arr) // 2
    left = arr[:mid]
    right = arr[mid:]
    left = merge_sort(left)
    right = merge_sort(right)
    return merge(left, right)

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

在这个代码中，我们定义了 merge_sort 函数来实归并排序算法。我们首先判断数组长度是否小于等于 1，如果是，则直接返回数组。否则，我们选择一个基准元素pivot`，然将数组分成两部分：小于基准元素的分、等于基准元的分和大于基准元素的部分。然后递归地对小于和大于基准元素的部分进行排序，后将部分合并起来。

下面是一个使用归并排序算法的示例：

arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = merge_sort(arr)
print("Sorted array is:", sorted_arr)

输出：

Sorted array is: [11,12, 22, 25, 34, 64, 90]

在这个示例中，我们定义了一个包含 7 个元素的数组，并使用 merge_sort() 函数对其进行排序。最终输出排序后的数组。

1.6 堆排序

堆排序算法是一种高效的排序算法，它的基本思想是将数组看成一棵完全二叉树，然后将其转换成一个堆。在 Python 中，我们可以使用堆排序算法对任意数据类型的元素进行排序。

下面使用 Python 实现堆排序算法：

def heapify(arr, n, i):
    largest = i    l = 2 * + 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):
        heapify(arr, n, i)
    for i in range(n-1, 0, -1):
        arr[i], arr[0] = arr[0], arr[i]
        heapify(arr, i, 0)

在这个代码中，我们定义了 heapify() 函数来实现堆排序算法。我们首先将数组转换成堆，然后将堆中的最大元素与堆的最后一个元素交换位置，然后重新构建堆。重复这个过程直到堆只剩下一个元素。

下面是一个使用堆排序算法的示例：

arr = [64, 34, 25, 12, 22, 11, 90]
heap_sort(arr)
print("Sorted array is:", arr)

输出：

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中，我们定义了一个包含 7 个元素数组，并使用 heap_sort() 函数对其进行排序。最终输出排序后的数组。

1.7 计数排序

计数排序算法是一种简单排序算法，它的基本思想是统计数组中每个元素出现的次数，然后根据元素出现的次数将。在 Python 中，我们可以使用计数排序算法来对任意数据类型的元素进行排序。

下面使用 Python 实现计数排序算法：

def counting_sort(arr):
    n = len(arr)
    output = [0] * n
    count [0] * 256
    for i in range(n):
        count[arr[i]] += 1
    for i in range(1, 256):
        count[i] += count[i-1]
    for i in range(n):
        output[count[arr[i]]-1] = arr[i]
        count[arr[i]] -= 1
    for i in range(n):
        arr[i] = output[i]

在这个代码中，我们定义了 counting_sort() 函数来实现计数排序算法。我们首先定义数组的长度 n，然后使用两个嵌循环来遍历整个数组。在内层循环中，我们统计每个元素出现的次数。然后，我们根据元素出现的次数将元素排序。

下面是一个使用计数排序算法的示例：

arr = [64, 34, 25, 12, 22, 11, 90]
counting_sort(arr)
print("Sorted array is:", arr)

输出：

Sorted array is: [11, 12, 22, 25, 34, 64, 90]

在这个示例中，我们定义了一个包含 7 个元素的数组，并使用 counting_sort() 函数对其进行排序。最终输出排序后的数组。

1.8 桶排序

桶排序算法是一种简单排序算法，它的基本思想是将元素分配到不同的桶中，然后对每个桶中的元素进行排序。在 Python 中，我们可以使用桶排序算法来对任意数据类型的元素进行排序。

下面使用 Python 实现桶排序算法：

```python
def bucket_sort(arr):
n = len(arr)
max_val = max(arr)
min_val = min(arr)
bucket_size = (max_val - min_val) // n + 1
buckets = [[] for _ in range(bucket