Python 八大排序算法速度比较

Python 八大排序算法速度比较

这篇文章并不是介绍排序算法原理的，纯粹是想比较一下各种排序算法在真实场景下的运行速度。

算法由 Python 实现，用到了一些语法糖，可能会和其他语言有些区别，仅当参考就好。

测试的数据是自动生成的，以数组形式保存到文件中，保证数据源的一致性。

排序算法

image

直接插入排序

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 稳定性：稳定

def insert_sort(array): for i in range(len(array)): for j in range(i): if array[i] < array[j]:
 array.insert(j, array.pop(i)) break
 return array

希尔排序

• 时间复杂度：O(n)
• 空间复杂度：O(n√n)
• 稳定性：不稳定

def shell_sort(array):
 gap = len(array) while gap > 1:
 gap = gap // 2
 for i in range(gap, len(array)): for j in range(i % gap, i, gap): if array[i] < array[j]:
 array[i], array[j] = array[j], array[i] return array

简单选择排序

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 稳定性：不稳定

def select_sort(array): for i in range(len(array)):
 x = i # min index
 for j in range(i, len(array)): if array[j] < array[x]:
 x = j
 array[i], array[x] = array[x], array[i] return array

堆排序

• 时间复杂度：O(nlog₂n)
• 空间复杂度：O(1)
• 稳定性：不稳定

def heap_sort(array): def heap_adjust(parent):
 child = 2 * parent + 1 # left child
 while child < len(heap): if child + 1 < len(heap): if heap[child + 1] > heap[child]:
 child += 1 # right child
 if heap[parent] >= heap[child]: break heap[parent], heap[child] = 
 heap[child], heap[parent]
 parent, child = child, 2 * child + 1 heap, array = array.copy(), [] for i in range(len(heap) // 2, -1, -1):
 heap_adjust(i) while len(heap) != 0:
 heap[0], heap[-1] = heap[-1], heap[0]
 array.insert(0, heap.pop())
 heap_adjust(0) return array

冒泡排序

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 稳定性：稳定

def bubble_sort(array): for i in range(len(array)): for j in range(i, len(array)): if array[i] > array[j]:
 array[i], array[j] = array[j], array[i] return array

快速排序

• 时间复杂度：O(nlog₂n)
• 空间复杂度：O(nlog₂n)
• 稳定性：不稳定

def quick_sort(array): def recursive(begin, end): if begin > end: return l, r = begin, end
 pivot = array[l] while l < r: while l < r and array[r] > pivot:
 r -= 1
 while l < r and array[l] <= pivot:
 l += 1 array[l], array[r] = array[r], array[l]
 array[l], array[begin] = pivot, array[l]
 recursive(begin, l - 1)
 recursive(r + 1, end)

recursive(0, len(array) - 1) return array

归并排序

• 时间复杂度：O(nlog₂n)
• 空间复杂度：O(1)
• 稳定性：稳定

def merge_sort(array): def merge_arr(arr_l, arr_r):
 array = [] while len(arr_l) and len(arr_r): if arr_l[0] <= arr_r[0]:
 array.append(arr_l.pop(0)) elif arr_l[0] > arr_r[0]:
 array.append(arr_r.pop(0)) if len(arr_l) != 0:
 array += arr_l elif len(arr_r) != 0:
 array += arr_r return array def recursive(array): if len(array) == 1: return array
 mid = len(array) // 2 arr_l = recursive(array[:mid])
 arr_r = recursive(array[mid:]) return merge_arr(arr_l, arr_r) return recursive(array)

基数排序

• 时间复杂度：O(d(r+n))
• 空间复杂度：O(rd+n)
• 稳定性：稳定

def radix_sort(array):
 bucket, digit = [[]], 0 while len(bucket[0]) != len(array):
 bucket = [[], [], [], [], [], [], [], [], [], []] for i in range(len(array)):
 num = (array[i] // 10 ** digit) % 10 bucket[num].append(array[i])
 array.clear() for i in range(len(bucket)):
 array += bucket[i]
 digit += 1
 return array

速度比较

image

from random import random from json import dumps, loads # 生成随机数文件
 def dump_random_array(file='numbers.json', size=10 ** 4):
 fo = open(file, 'w', 1024)
 numlst = list() for i in range(size):
 numlst.append(int(random() * 10 ** 10))
 fo.write(dumps(numlst))
 fo.close() # 加载随机数列表
 def load_random_array(file='numbers.json'):
 fo = open(file, 'r', 1024) try:
 numlst = fo.read() finally:
 fo.close() return loads(numlst)

image

显示执行时间

如果数据量特别大，采用分治算法的快速排序和归并排序，可能会出现递归层次超出限制的错误。

解决办法：导入 sys 模块（import sys），设置最大递归次数（sys.setrecursionlimit(10 ** 8)）。

@exectime def bubble_sort(array): for i in range(len(array)): for j in range(i, len(array)): if array[i] > array[j]:
 array[i], array[j] = array[j], array[i] return array

array = load_random_array() print(bubble_sort(array) == sorted(array))

↑ 示例：测试直接插入排序算法的运行时间，@exectime 为执行时间装饰器。

算法执行时间

image

算法速度比较

image

image