常见几种排序的算法：

归并排序

归并排序也称合并排序，是分治法的典型应用。分治思想是将每个问题分解成个个小问题，将每个小问题解决，然后合并。

具体的归并排序就是，将一组无序数按n/2递归分解成只有一个元素的子项，一个元素就是已经排好序的了。然后将这些有序的子元素进行合并。

合并的过程就是 对 两个已经排好序的子序列，先选取两个子序列中最小的元素进行比较，选取两个元素中最小的那个子序列并将其从子序列中

去掉添加到最终的结果集中，直到两个子序列归并完成。

代码如下：

#!/usr/bin/python  import sys     def merge(nums, first, middle, last):      ''''' merge '''      # 切片边界,左闭右开并且是了0为开始      lnums = nums[first:middle+1]       rnums = nums[middle+1:last+1]      lnums.append(sys.maxint)      rnums.append(sys.maxint)      l = 0      r = 0      for i in range(first, last+1):          if lnums[l] < rnums[r]:              nums[i] = lnums[l]              l+=1          else:              nums[i] = rnums[r]              r+=1  def merge_sort(nums, first, last):      ''''' merge sort     merge_sort函数中传递的是下标，不是元素个数     '''      if first < last:          middle = (first + last)/2          merge_sort(nums, first, middle)          merge_sort(nums, middle+1, last)          merge(nums, first, middle,last)     if __name__ == '__main__':      nums = [10,8,4,-1,2,6,7,3]      print 'nums is:', nums      merge_sort(nums, 0, 7)      print 'merge sort:', nums

稳定，时间复杂度 O(nlog n)

插入排序

代码如下：

#!/usr/bin/python  import sys     def insert_sort(a):      ''''' 插入排序     有一个已经有序的数据序列，要求在这个已经排好的数据序列中插入一个数，     但要求插入后此数据序列仍然有序。刚开始 一个元素显然有序，然后插入一     个元素到适当位置，然后再插入第三个元素，依次类推     '''      a_len = len(a)      if a_len = 0 and a[j] > key:              a[j+1] = a[j]              j-=1          a[j+1] = key      return a     if __name__ == '__main__':      nums = [10,8,4,-1,2,6,7,3]      print 'nums is:', nums      insert_sort(nums)      print 'insert sort:', nums

稳定，时间复杂度 O(n^2)

交换两个元素的值python中你可以这么写：a, b = b, a，其实这是因为赋值符号的左右两边都是元组

（这里需要强调的是，在python中，元组其实是由逗号“,”来界定的，而不是括号）。

选择排序

选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小（大）元素，存放到

排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所

有元素均排序完毕。

import sys  def select_sort(a):      ''''' 选择排序      每一趟从待排序的数据元素中选出最小（或最大）的一个元素，     顺序放在已排好序的数列的最后，直到全部待排序的数据元素排完。     选择排序是不稳定的排序方法。     '''      a_len=len(a)      for i in range(a_len):#在0-n-1上依次选择相应大小的元素           min_index = i#记录最小元素的下标           for j in range(i+1, a_len):#查找最小值              if(a[j]

不稳定，时间复杂度 O(n^2)

希尔排序

希尔排序，也称递减增量排序算法,希尔排序是非稳定排序算法。该方法又称缩小增量排序，因DL．Shell于1959年提出而得名。

先取一个小于n的整数d1作为第一个增量，把文件的全部记录分成d1个组。所有距离为d1的倍数的记录放在同一个组中。先在各组内进行排序；

然后，取第二个增量d2<d1重复上述的分组和排序，直至所取的增量dt=1(dt<dt-l<…<d2<d1)，即所有记录放在同一组中进行直接插入排序为止。

import sys  def shell_sort(a):      ''''' shell排序      '''      a_len=len(a)      gap=a_len/2#增量      while gap>0:          for i in range(a_len):#对同一个组进行选择排序              m=i              j=i+1              while j

不稳定，时间复杂度 平均时间 O(nlogn) 最差时间O(n^s)1<s<2

堆排序 ( Heap Sort )

"堆”的定义：在起始索引为 0 的“堆”中：

节点 i 的右子节点在位置 2 * i + 24) 节点 i 的父节点在位置 floor( (i - 1) / 2 )   : 注 floor 表示“取整”操作

堆的特性：

每个节点的键值一定总是大于（或小于）它的父节点

“最大堆”：

“堆”的根节点保存的是键值最大的节点。即“堆”中每个节点的键值都总是大于它的子节点。

上移，下移 ：

当某节点的键值大于它的父节点时，这时我们就要进行“上移”操作，即我们把该节点移动到它的父节点的位置，而让它的父节点到它的位置上，然后我们继续判断该节点，直到该节点不再大于它的父节点为止才停止“上移”。

现在我们再来了解一下“下移”操作。当我们把某节点的键值改小了之后，我们就要对其进行“下移”操作。

方法：

我们首先建立一个最大堆(时间复杂度O(n))，然后每次我们只需要把根节点与最后一个位置的节点交换，然后把最后一个位置排除之外，然后把交换后根节点的堆进行调整(时间复杂度 O(lgn) )，即对根节点进行“下移”操作即可。 堆排序的总的时间复杂度为O(nlgn).

代码如下：

#!/usr/bin env python     # 数组编号从 0开始  def left(i):      return 2*i +1  def right(i):      return 2*i+2     #保持最大堆性质 使以i为根的子树成为最大堆  def max_heapify(A, i, heap_size):      if heap_size <= 0:          return       l = left(i)      r = right(i)      largest = i # 选出子节点中较大的节点      if l  A[largest]:          largest = l      if r  A[largest]:          largest = r      if i != largest :#说明当前节点不是最大的，下移          A[i], A[largest] = A[largest], A[i] #交换          max_heapify(A, largest, heap_size)#继续追踪下移的点      #print A  # 建堆    def bulid_max_heap(A):      heap_size = len(A)      if heap_size >1:          node = heap_size/2 -1          while node >= 0:             max_heapify(A, node, heap_size)             node -=1     # 堆排序 下标从0开始  def heap_sort(A):      bulid_max_heap(A)      heap_size = len(A)      i = heap_size - 1       while i > 0 :          A[0],A[i] = A[i], A[0] # 堆中的最大值存入数组适当的位置，并且进行交换          heap_size -=1 # heap 大小 递减 1          i -= 1 # 存放堆中最大值的下标递减 1          max_heapify(A, 0, heap_size)     if __name__ == '__main__' :         A = [10, -3, 5, 7, 1, 3, 7]      print 'Before sort:',A      heap_sort(A)      print 'After sort:',A

不稳定，时间复杂度 O(nlog n)

快速排序

快速排序算法和合并排序算法一样，也是基于分治模式。对子数组A[p...r]快速排序的分治过程的三个步骤为：

分解：把数组A[p...r]分为A[p...q-1]与A[q+1...r]两部分，其中A[p...q-1]中的每个元素都小于等于A[q]而A[q+1...r]中的每个元素都大于等于A[q]；

解决：通过递归调用快速排序，对子数组A[p...q-1]和A[q+1...r]进行排序；

合并：因为两个子数组是就地排序的，所以不需要额外的操作。

对于划分partition 每一轮迭代的开始，x=A[r], 对于任何数组下标k，有：

1) 如果p≤k≤i，则A[k]≤x。

2) 如果i+1≤k≤j-1，则A[k]>x。

3) 如果k=r，则A[k]=x。

代码如下：

#!/usr/bin/env python  # 快速排序  ''''' 划分 使满足 以A[r]为基准对数组进行一个划分，比A[r]小的放在左边，    比A[r]大的放在右边 快速排序的分治partition过程有两种方法， 一种是上面所述的两个指针索引一前一后逐步向后扫描的方法, 另一种方法是两个指针从首位向中间扫描的方法。 '''  #p,r 是数组A的下标  def partition1(A, p ,r):      '''''       方法一，两个指针索引一前一后逐步向后扫描的方法     '''      x = A[r]      i = p-1      j = p      while j < r:          if A[j] < x:              i +=1              A[i], A[j] = A[j], A[i]          j += 1      A[i+1], A[r] = A[r], A[i+1]      return i+1     def partition2(A, p, r):      '''''     两个指针从首尾向中间扫描的方法     '''      i = p      j = r      x = A[p]      while i = x and i < j:              j -=1          A[i] = A[j]          while A[i]<=x and i < j:              i +=1          A[j] = A[i]      A[i] = x      return i     # quick sort  def quick_sort(A, p, r):      '''''         快速排序的最差时间复杂度为O(n2)，平时时间复杂度为O(nlgn)     '''      if p < r:          q = partition2(A, p, r)          quick_sort(A, p, q-1)          quick_sort(A, q+1, r)     if __name__ == '__main__':         A = [5,-4,6,3,7,11,1,2]      print 'Before sort:',A      quick_sort(A, 0, 7)      print 'After sort:',A

不稳定，时间复杂度 最理想 O(nlogn)最差时间O(n^2)

说下python中的序列：

列表、元组和字符串都是序列，但是序列是什么，它们为什么如此特别呢？序列的两个主要特点是索引操作符和切片操作符。索引操作符让我们可以从序列中抓取一个特定项目。切片操作符让我们能够获取序列的一个切片，即一部分序列,如：a = ['aa','bb','cc'], print a[0] 为索引操作，print a[0:2]为切片操作。

转自：