6.6 归并排序

（1）归并排序：

　　归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组，再合并数组。

　　将数组分解最小之后，然后合并两个有序数组，基本思路是比较两个数组的最前面的数，谁小就先取谁，取了后相应的指针就往后移一位。然后再比较，直至一个数组为空，最后把另一个数组的剩余部分复制过来即可。

（2）归并排序分析：

　　　　　

（3）代码实现：

def merge_sort(alist):
    """归并排序"""
    n = len(alist)
    if n <= 1:
        return alist
    mid = n // 2      # 11.0 / 2 = 5.5        11.0 // 2 =5.0(取整除)

    # left_li 采用归并排序后形成的有序的新的列表
    left_li = merge_sort(alist[:mid])     # 传入的是切片分出的新的列表

    # right_li 采用归并排序后形成的有序的新的列表
    right_li = merge_sort(alist[mid:])

    # 将两个有序的子序列合并为一个新的整体
    # merge(left, right)
    left_pointer, right_pointer = 0, 0
    result = []     # 新的列表，用以存放合并结果

    while left_pointer < len(left_li) and right_pointer < len(right_li):
        if left_li[left_pointer] < right_li[right_pointer]:
            result.append(left_li[left_pointer])
            left_pointer += 1
        else:
            result.append(right_li[right_pointer])
            right_pointer += 1
    # 循环结束两个切片可能还有剩余，需要将剩下的全部添加到合并结果中
    result += left_li[left_pointer:]
    result += right_li[right_pointer:]
    return result


if __name__ == "__main__":
    li = [54, 26, 93, 17, 77, 31, 44, 55, 20]
    print(li)
    sort_list = merge_sort(li)
    print(li)
    print(sort_list)

（4）运行结果：

　　　　

（5）时间复杂度：　

　　　　最优时间复杂度：O(nlogn)

　　　　最坏时间复杂度：O(nlogn)

　　　　稳定性：稳定

（6）常见排序算法效率对比：