常用八大排序算法（python实现）
直接插入排序
直接插入排序的核心思想就是：将数组中的所有元素依次跟前面已经排好的元素相比较，如果选择的元素比已排序的元素小，则交换，直到全部元素都比较过。
因此，从上面的描述中我们可以发现，直接插入排序可以用两个循环完成：
第一层循环：遍历待比v较的所有数组元素
第二层循环：将本轮选择的元素（selected）与已经排好的元素（ordered）相比较
如果：selected > ordered，那么将二者交换
#直接插入排序
def insert_sort(L):
#遍历数组中的所有元素，其中0号索引默认已排序，因此从1开始
for x in range(1, len(L)):
#将该元素与已排好的前序数组依次比较，如果该元素小，则交换
#range(x-1, -1, -1):从x-1倒序循环到0
for i in range(x-1, -1, -1):
#判断：如果符合条件则交换
if L[i] > L[i+1]:
temp = L[i+1]
L[i+1] = L[i]
L[i] = temp
希尔排序
希尔排序的算法思想：将待排序数组按照步长gap进行分组，然后将每组的元素利用直接插入排序的方法进行排序；每次将gap折半减小，循环上述操作；当gap=1时，利用直接插入，完成排序。
同样的：从上面的描述中我们可以发现：希尔排序的总体实现应该有三个循环完成：
第一层循环：将gap一次折半，对序列进行分组，直到gap=1
第二三层循环：也即直接插入排序所需要的两次循环。
#希尔排序shell
def insert_shell(L):
#初始化gap值，此处利用序列长度的一半为其赋值
gap = (int)(len(L)/2)
#第一层循环：依次改变gap值对列表进行分组
while (gap >= 1):
#下面：利用直接插入排序的思想对分组数据进行排序
#range(gap, len(L)):从gap开始
for x in range(gap, len(L)):
#range(x-gap, -1, -gap)：从gap开始与选定元素倒序比较，每个比较元素之间间隔gap
for i in range(x-gap, -1, -gap):
#如果该组中两个元素满足交换条件，则进行交换
if L[i] > L[i+gap]:
tmep = L[i+gap]
L[i+gap] = L[i]
L[i] = temp
#while循环条件折半
gap = (int)(gap/2)
简单选择排序
简单选择排序的基本思想：比较+交换
从待排序序列中，找到关键字最小的元素
如果最小元素不是待排序序列的第一个元素，将其和第一个元素交换
从余下的N-1个元素中，找出关键字最小的元素，重复（1）、（2）步，知道排序结束。
因此我们可以发现，简单选择排序也是通过两层循环实现。
第一层循环：一次遍历序列当中的每一个元素
第二层循环：将遍历得到的当前元素依次与余下的元素进行比较，符合最小元素的条件，则
交换。
#简单选择排序
def select_sort(L):
#依次遍历序列中的每一个元素
for x in range(0, len(L)):
#将当前位置的元素定义此轮循环当中的最小值
minimum = L[x]
#将元素与剩下的元素依次比较寻找最小元素
for i in range(x+1, len(L)):
if L[i] < minimum:
temp = L[i]
L[i] = minimum
minimum = temp
#将比较后的真正的最小元素赋给L[x]
L[x] = minimum
堆排序
堆的概念
堆：本质是一种数组对象。特别重要的一点性质：任意的叶子节点小于（或大于）它所有的父节点。对此，又分为大顶堆和小顶堆，大顶堆要求节点的元素都要大于其孩子，小顶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。
利用堆排序，就是基于大顶堆或者小顶堆的一种排序方法。下面，我们通过大顶堆来实现。
基本思想：
将待排序序列构造成一个大顶堆，此时，整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换，此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆，这样会得到n个元素的次小值。如此反复执行，便能得到一个有序序列了。
堆排序可以按照以下步骤来完成：
- 首先将序列构建成为大顶堆
（这样满足了大顶堆那条性质：位于根节点的元素一定是当前序列的最大值）
- 取出当前大顶堆的根节点，将其与序列末尾元素进行交换
（此时：序列末尾的元素为已排序的最大值；由于交换了元素，当前位于根节点的堆并不一定满足大顶堆的性质） - 对剩余的n-1个序列元素进行调整，使其满足了大顶堆的性质
#-------------------堆排序-------------------
#-------------------获取左右叶子节点-------------------
def LEFT(i):
return 2*i +1
def RIGHT(i):
return 2*i +2
#-------------------调整大顶堆-------------------
#L:待调整序列 length：序列长度 i：需要调整的结点
def adjust_max_heap(L, length, i):
#定义一个int值保存当前序列最大值的下标
largest = i
#执行循环操作：两个任务：1.寻找最大值的下标；2.最大值与父节点交换
while (1):
#获取序列左右叶子节点的下标
left, right = LEFT(i), RIGHT(i)
#当左叶子节点的下标小于序列长度 并且 左叶子节点的值大于父节点时，
#将左叶子的下标赋值给largest
if (left < length) and (L[left] > L[i]):
largest = left
print('左叶子节点')
else:
largest = i
#当右叶子节点的下标小于序列长度 并且 右叶子节点的值大于父节点时，
#将右叶子节点的下标赋值给largest
if (right < length) and (L[right] > L[largest]):
largest = right
print('右叶子节点')
#如果largest不等于i 说明当前的父节点不是最大值，需要交换值
if (largest != i):
temp = L[i]
L[i] = L[largest]
L[largest] = temp
i = largest
print(largest)
continue
else:
break
#-------------------建立大顶堆-------------------
def build_max_heap(L):
length = len(L)
for x in range((int)((length -1 )/2), -1, -1):
adjust_max_heap(L, length, x)
#-------------------堆排序-------------------
def heap_sort(L):
#先建立大顶堆，保证最大值位于根节点；并且父节点的值大于叶子结点
build_max_heap(L)
#i:当前堆中序列的长度 初始化为序列的长度
i = len(L)
#执行循环：1.每次取出堆顶元素置于序列的最后（len-1, len-2,len-3...）
# 2.调整堆，使其继续满足大顶堆的性质，注意实时修改堆中序列的长度
while (i > 0):
temp = L[i-1]
L[i-1] = L[0]
L[0] = temp
#堆中序列长度减1
i = i -1
#调整大顶堆
adjust_max_heap(L, i, 0)
冒泡排序
冒泡排序思路：
将序列当中的左右元素，一次比较，保证右边的元素始终大于左边的元素
（第一轮结束后，序列最后一个元素一定是当前序列的最大值）
对序列当中剩下的n-1个元素再次执行步骤1
对于长度为n的序列，一共需要执行n-1轮比较
（利用while循环可以减少执行次数）
#冒泡排序
def bubble_sort:
length = len(L)
#序列长度为length，需要执行length-1轮交换
for x in range(1, length):
#对于每一轮交换，都将序列当中的左右元素进行比较
#每轮交换当中，由于序列最后的元素一定是最大的，因此每轮循环到序列未排序的位置即可
for i in range(0, length - x):
if L[i] > L[i+1]:
tmep = L[i]
L[i] = L[i+1]
L[i+1] = temp
快速排序
快速排序的基本思想：挖坑填数+分治法
从序列当中选择一个基准数（pivot）
在这里我们选择序列当中第一个数为基准数
将序列当中的所有数依次遍历，比基准数大的位于其右侧，比基准数小的位于其左侧
重复步骤1,2，直到所有子集当中只有一个元素为止。
用伪代码描述如下：
i = L; j = R; 将基准数挖出形成第一个坑a[i]
j-- 由后向前找比它小的数，找到后挖出此数填前一个坑a[i]中
i++ 由前向后找比它大的数，找到后也挖出此数填到前一个坑a[j]中
在重复执行2,3二步，直到 i==j ，将基数填入a[i]中
#快速排序
#L：待排序的序列； start排序的开始index，end序列的末尾的index
#对于长度为length的序列：start=0； end=length-1
def quick_sort(L, start, end):
if start < end:
i, j, pivot = start, end, L[start]
while i < j:
#从右开始向左寻找第一个小于pivot的值
while (i < j) and (L[j] >= pivot):
j = j-1
#将小于pivot的值移到左边
if (i < j):
temp = L[i]
L[i] = L[j]
L[j] = temp
i = i+1
#从左开始向右寻找第一个大于pivot的值
while (i <j) and (L[i] < pivot) :
i = i + 1
#将大于pivot的值移到右边
if (i < j) :
temp = L[j]
L[j] = L[i]
L[i] = temp
j = j-1
#循环结束后，说明 i=j，此时左边的值全都小于pivot，右边的值全都大于pivot
#pivot的位置移动正确，那么此时只需对左右两侧的序列调用此函数进一步排序即可
#递归调用函数：依次对左侧序列：从0 ~ i-1；右侧序列：i+1 ~ end
L[i] = pivot
#左侧序列继续排序
quick_sort(L, start, i-1)
#右侧序列继续排序
quick_sort(L, i+1, end)
归并排序
归并排序算法思想：
归并排序是建立在操作上的一种有效的排序算法，该算法是采用分治法的一个典型的应用。它的基本操作是：将已有的子序列合并，达到完全有序的序列；即先使每个子序列有序，再使子序列段间有序
归并排序其实要做两件事
分解——将序列每次折半拆分
合并——将划分后的序列两两排序合并
因此，归并排序实际上就是两个操作，拆分+合并
如何合并？
L[first…mid]为第一段，L[mid+1…last]为第二段，并且两端已经有序，现在我们要将两端合成
达到L[first…last]并且也有序
首先一次从第一段与第二段中取出元素比较，将较小的元素赋值给temp[]
重复执行上一步，当某一段赋值结束，则将另一段剩下的元素赋值给temp[]
此时将temp[]中的元素赋值给L[]，则得到的L[first…last]有序
如何分解？
在这里，我们采用递归的方法，首先将待排序分成A，B两组；然后重复对A、B序列分组；
直到分组后组内只有一个元素，此时我们认为组内所有元素有序，则分组结束。
#归并排序
#这是合并的函数
#将序列L[first...mid]与序列L[mid+1...last]进行合并
def mergearray(L, first, mid, last, temp):
#对i，j，k分别进行赋值
i, j, k = first, mid+1, 0
#当左右两边都有数时进行比较，取较小的数
while (i <= mid) and (j <= last):
if L[i] <= L[j]:
temp[k] = L[i]
i = i+1
k = k+1
else:
temp[k] = L[j]
j = j+1
k = k+1
#如果左边序列还有数
while (i <= mid):
temp[k] = L[i]
i = i+1
k = k+1
#如果右边序列还有数
while (j <= last):
temp[k] = L[j]
j = j+1
k = k+1
#将temp当中该字段元素赋值给L待排序列使之部分有序
for x in range(0, k):
L[first+x] = temp[x]
#这是分组的函数
def merge_sort(L, first, last, temp)
if first < last:
mid = (int)((first + last)/2)
#使左边序列有序
merge_sort(L, first, mid, temp)
#使右边序列有序
merge_sort(L, first, mid+1, last, temp)
#将两个有序序列合并
mergearray(L, first, mid, last, temp)
#归并排序的函数
def merge_sort_array(L):
#声明一个长度为len(L)的空列表
temp = len(L) * [None]
#调用归并排序
merge_sort(L, 0, len(L)-1, temp)
基数排序
基数排序：通过序列中各个元素的值，对排序的N个元素进行若干趟的“分配”与“收集”来实现排序。（或者理解为将所有待比较数值统一为同样的数位长度，数位较短的数前面补零。然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后, 数列就变成一个有序序列。）
分配：我们将L[i]中的元素取出，首先确定某个位上的数字，根据该数字分配到与之序号相同的桶中
收集：当序列中所有的元素都分配到对应的桶中，再按照顺序依次将桶中的元素收集形成新的一个待排序序列L[]
对新形成的序列L[]重复执行分配和收集元素中的十位、百位…直到分配完该序列中的最高位，则排序结束
#************************基数排序****************************
#确定排序的次数
#排序的顺序跟序列中最大数的位数相关
def radix_sort_nums(L):
maxNum = L[0]
#寻找序列中的最大数
for x in L:
if maxNum < x:
maxNum = x
#确定序列中的最大元素的位数
times = 0
while (maxNum > 0):
maxNum = (int)(maxNum/10)
times = times+1
return times
#找到num从低到高第pos位的数据
def get_num_pos(num,pos):
return ((int)(num/(10**(pos-1))))%10
#基数排序
def radix_sort(L):
count = 10*[None] #存放各个桶的数据统计个数
bucket = len(L)*[None] #暂时存放排序结果
#从低位到高位依次执行循环
for pos in range(1,radix_sort_nums(L)+1):
#置空各个桶的数据统计
for x in range(0,10):
count[x] = 0
#统计当前该位(个位，十位，百位....)的元素数目
for x in range(0,len(L)):
#统计各个桶将要装进去的元素个数
j = get_num_pos(int(L[x]),pos)
count[j] = count[j]+1
#count[i]表示第i个桶的右边界索引（如：个位为6的元素在bucket中的最大下标）
for x in range(1,10):
count[x] = count[x] + count[x-1]
#将数据依次装入桶中
for x in range(len(L)-1,-1,-1):
#求出元素第K位的数字
j = get_num_pos(L[x],pos)
#放入对应的桶中，count[j]-1是第j个桶的右边界索引
bucket[count[j]-1] = L[x]
#对应桶的装入数据索引-1
count[j] = count[j]-1
# 将已分配好的桶中数据再倒出来，此时已是对应当前位数有序的表
for x in range(0,len(L)):
L[x] = bucket[x]
原文路径：https://www.cnblogs.com/hokky/p/8529042.html