python实现•十大排序算法之归并排序(Merge Sort)

简介

归并排序(Merge Sort)是一种非常高效的排序方式,它用了分治的思想,基本排序思想是:先将整个序列两两分开,然后每组中的两个元素排好序。接着就是组与组和合并,只需将两组所有的元素遍历一遍,即可按顺序合并。以此类推,最终所有组合并为一组时,整个数列完成排序。

算法实现步骤

  1. 把长度为n的输入序列分成两个长度为n/2的子序列;
  2. 对这两个子序列分别采用递归的进行排序;
  3. 将两个排序好的子序列的元素拿出来,按照顺序合并成一个最终的序列,即可完成排序。

Python 代码实现

# merge_sort 代码实现

from typing import List

def merge(arr1:List[int], arr2:List[int]): 
    result = []
    while arr1 and arr2:
        if arr1[0] < arr2[0]:
            result.append(arr1.pop(0))
        else:
            result.append(arr2.pop(0))
    if arr1:
        result += arr1
    if arr2:
        result += arr2
    return result

def merge_sort(arr:List[int]):
    """
    归并排序
    :param arr: 待排序的List
    :return: 排好序的List
    """
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    return merge(merge_sort(arr[:mid]), merge_sort(arr[mid:]))
# 测试数据

if __name__ == '__main__':
    import random
    random.seed(54)
    arr = [random.randint(0,100) for _ in range(10)]
    print("原始数据:", arr)
    arr_new = merge_sort(arr)
    print("归并排序结果:", arr_new)
# 输出结果

原始数据: [17, 56, 71, 38, 61, 62, 48, 28, 57, 42]
归并排序结果: [17, 28, 38, 42, 48, 56, 57, 61, 62, 71]

动画演示

归并排序动画演示

算法分析

  • 时间复杂度

    归并排序时间复杂度计算公式:排序总时间=子序列排序时间+合并时间。

    假设一个序列有\(n\)个数的排序时间为\(T\left( n \right)\),那么

    \[T\left( n \right) =2T\left( \dfrac{n}{2} \right) +\text{合并时间} \]

    由于合并时,两个子序列已经组内排好序了,将两个排好序的序列组合成一个大的有序序列,时间复杂度为\(n\),则有:

    \[T\left( n \right) =2T\left( \dfrac{n}{2} \right) +n \]

    递归推导可得出:

    \[T\left( n \right) =2^mT\left( \dfrac{n}{2^m} \right) +mn \]

    \(\dfrac{n}{2^m}=1\)时,递归结束,此时有:

    \[T\left( 1 \right) =0,T\left( n \right) =n\log _2n \]

    所以归并排序的时间复杂度为\(O(nlog_2n)\)

  • 空间复杂度

    每次递归需要用到一个辅助表,长度与待排序的表相等,虽然递归次数是\(O(log_2n)\),但每次递归都会释放掉所占的辅助空间,下次递归的栈空间和辅助空间与这部分释放的空间就不相关了,因而空间复杂度为\(O(n)\)

  • 稳定性

    归并排序过程中,能保证相等元素相对位置保持不变,因此为稳定排序。

  • 综合评价

    时间复杂度(平均) 时间复杂度(最好) 时间复杂度(最坏) 空间复杂度 排序方式 稳定性
    \(O(nlog_2n)\) \(O(nlog_2n)\) \(O(nlog_2n)\) \(O(n)\) out-place 稳定

联系我们

个人博客网站:http://www.bling2.cn/

Github地址:https://github.com/lb971216008/Use-Python-to-Achieve

知乎专栏:https://zhuanlan.zhihu.com/Use-Python-to-Achieve

小专栏:https://xiaozhuanlan.com/Use-Python-to-Achieve

博客园:https://www.cnblogs.com/Use-Python-to-Achieve

关注
posted @ 2020-05-24 07:54  南风以南  阅读(291)  评论(0编辑  收藏  举报