顶先最后推荐：哈哈，意思是放到顶部强调其重要性，但是应该我总结的六种算法看完了后再看的一篇醍醐灌顶的文章
一：冒泡排序（Bubble Sort）
原理：假设有n个数，第一轮时：从第一个元素开始，与相邻的元素比较，如果前面的元素小就交换，直到第n-1个元素时，这样的结果是将最大的元素放到了最后，同理，第二轮还是从第一个元素开始比较，直到第n-2个元素，这样能够把剩下的n-1个数中的最大的数放到第n-1的位置，一直这样进行n-1轮就能够完成排序。
1 def Bublesort(seq): 2 i = 0 3 j = 0 4 while i < len(seq): 5 while j < len(seq)-i-1: 6 if seq[j] > seq[j+1]: 7 seq[j],seq[j+1] = seq[j+1],seq[j] 8 else: 9 j+=1 10 j=0 11 i+=1 12 13 a=[3,4,6,2,1] 14 Bublesort(a) 15 print(a)
由代码可知，其时间复杂度为O(n2).
二：选择排序（Selection Sort）
原理：选择排序的思路非常简单，每次都遍历找出上次剩下的元素中的最大数，然后和剩下数中随后一个元素交换位置，一个进行n-1次
1 #coding:utf-8 2 #Attention:max标志需取为seq[0]，我刚开始取了0，这会导致最后一次比较时出问题 3 def SelectionSort(seq): 4 i,j,maxel = 0,0,seq[0] 5 while i < len(seq): 6 while j < len(seq)-i: 7 if seq[j] > maxel: 8 maxel = j 9 j+=1 10 seq[maxel],seq[len(seq)-i-1] = seq[len(seq)-i-1],seq[maxel] 11 j,maxel=0,seq[0] 12 i+=1 13 14 a=[3,4,6,2,1] 15 SelectionSort(a) 16 print(a)
可以看出的是，其时间复杂度依然是O(n2),看起来和冒泡排序一样，但由于每轮其交换位置的次数少，故实际上其比冒泡排序好。
三：插入排序（Insertion Sort）
原理：如下图所示，将第一个元素作为标准，每次将下一个元素放到前面正确的位置中去。
技巧：从已排好序元素最后一个开始遍历比较，因为插入移动只会移动其后面的元素。
1 def insertion_sort(a_list): 2 for index in range(1, len(a_list)): 3 current_value = a_list[index] 4 position = index 5 while position > 0 and a_list[position - 1] > current_value: #从目前元素开始向前，若>目前值就后移一位 6 a_list[position] = a_list[position - 1] 7 position = position - 1 8 a_list[position] = current_value 9 10 a = [54, 26, 93, 17, 77, 31, 44, 55, 20] 11 insertion_sort(a) 12 print(a)
依旧可以看出的是，其时间复杂度为O(n2)，但是他的不同之处在于其始终保持了一个部分有序的序列
四：希尔排序（Shell Sort）
希尔排序这章书里面的配图不好，导致我理解错误直到运行程序出错才发现错误，后来看了些其他资料弄明白了。其实希尔排序就是跳跃式插入排序，我们试想一下，如果一个元素集是9，8，7，6，5，4，3，2，1，那么每次插入排序都要全部后移了，这样效率极低，如果能够不按顺序的进行插入排序就好多了，虽然每次并没有完全排好序，但是能够让他们离真实的位置更近，这就是其优势所在了。
实现原理：每次取一个gap，第一次取集合元素个数整除2的结果，然后对从首元素开始每gap距离的元素组合成一个组并对其进行插入排序，假设集合[54, 26, 93, 17, 77, 31, 44, 55, 20]，那么第一次gap为9//2=4，那么就能够有这些组：[54,77,20],[26,31],[93,44],[17,55],注意，并不是对其真的分组，只是将其看作一组后进行插入排序，那么结果是：[20, 26, 44, 17, 54, 31, 93, 55, 77],到此，第一次完成。第二次把gap改为上次gap//2的结果，也就是2，所以对上次的结果分组为[20,44,54,93,77],[26,17,31,55],对其进行插入排序后的结果是[20, 17, 44, 26, 54, 31, 77, 55, 93]，到此第二次完成。第三次gap为1，注意，当gap为1时就表明是最后一轮了，最上此结果[20, 17, 44, 26, 54, 31, 77, 55, 93]全部进行插入排序就能够得到结果了。【仔细看看就能够发现其每次排序后真的是数字离其真实位置更近了】。
注意：有个控制循环的条件就是每次分组的组数其实就是gap的值，容易看出是两层控制，外层控制进入的哪组分组，内层控制具体每组的插入排序
1 def shell_sort(a_list): 2 sublist_count = len(a_list) // 2 3 while sublist_count > 0: 4 for start_position in range(sublist_count): 5 gap_insertion_sort(a_list, start_position, sublist_count) 6 print("After increments of size", sublist_count, "The list is",a_list) 7 sublist_count = sublist_count // 2 8 9 def gap_insertion_sort(a_list,start, gap): 10 for i in range(start + gap, len(a_list), gap): 11 current_value = a_list[i] 12 position = i 13 while position >= gap and a_list[position - gap] > current_value: 14 a_list[position] = a_list[position - gap] 15 position = position - gap 16 a_list[position] = current_value 17 18 a_list = [54, 26, 93, 17, 77, 31, 44, 55, 20] 19 shell_sort(a_list) 20 print(a_list)
五:归并排序（Merge Sort）
原理图：由图可以看出，其也是用了递归原理，base就是只剩一个元素时返回其本身
1 def partition(seq, start, mid, stop): 2 lst = [] 3 i = start 4 j = mid 5 while i < mid and j < stop: 6 if seq[i] < seq[j]: 7 lst.append(seq[i]) 8 i+=1 9 else: 10 lst.append(seq[j]) 11 j+=1 12 while i < mid: 13 lst.append(seq[i]) 14 i+=1 15 while j < stop: 16 lst.append(seq[j]) 17 j+=1 18 for i in range(len(lst)): 19 seq[start+i]=lst[i] 20 21 def mergeSortRecursively(seq, start, stop): 22 if start >= stop-1: 23 return 24 mid = (start + stop) // 2 25 mergeSortRecursively(seq, start, mid) 26 mergeSortRecursively(seq, mid, stop) 27 partition(seq, start, mid, stop) 28 29 a=[3,4,6,8,2,1,5,9] 30 mergeSortRecursively(a, 0, len(a)) 31 print(a)
来分析下其时间复杂度吧，由于每次都将list二分，这是logn，而每次排列是n，由于这两小步组成一步，故时间复杂度为O(nlogn)
六：快速排序（Quick Sort）
原理：如下，第一次以第一个元素为标志，将后面小的放他左边，大的放他右边，而后将其放到中间。第二次分别在其两边重复这样的过程，最后直到每组只有一个数据。
有个需要注意的是最坏情况下为以排好序的集合，那么后面的数都标志大或者小，操作太多或者无效，最理想的是标志能够是平均值左右，故最好对数据进行随机化处理。
还有，看完代码后注意比较，可以是快速排序与归并排序是某种程度相反的，归并到了最后两个元素才开始排序，从部分有序积累到全部有序，而二分是反的，从第一次二分就是整个数列的二分，，最后二分到只有两个元素时，此时完成了全部有序。
1 import random 2 def partition(seq, start, stop): 3 pivotIndex = start 4 pivot = seq[pivotIndex] 5 i = start+1 6 j = stop-1 7 while i <= j: 8 while pivot > seq[i]: 9 i+=1 10 while pivot < seq[j]: 11 j-=1 12 if i < j: 13 seq[j],seq[i] = seq[i],seq[j] 14 i+=1 15 j-=1 16 seq[pivotIndex],seq[j] = seq[j],pivot 17 return j 18 19 def quicksortRecursively(seq, start, stop): 20 if start >= stop-1: 21 return 22 pivotIndex = partition(seq, start, stop) 23 quicksortRecursively(seq, start, pivotIndex) 24 quicksortRecursively(seq, pivotIndex+1, stop) 25 26 def quicksort(seq): 27 # randomize the sequence first 28 for i in range(len(seq)): 29 j = random.randint(0,len(seq)-1) 30 seq[i],seq[j] = seq[j],seq[i] 31 32 quicksortRecursively(seq, 0, len(seq)) 33 34 a=[3,4,6,8,2,1,5,9] 35 quicksort(a) 36 print(a)
同理可以分析出其时间复杂度为O(nlogn)