在Python實踐中，我們往往遇到排序問題，比如在對搜索結果打分的排序（沒有排序就沒有Google等搜索引擎的存在），當然，這樣的例子數不勝數?！稊祿Y構》也會花大量篇幅講解排序。之前一段時間，由于需要，我復習了一下排序算法，并用Python實現了各種排序算法，放在這里作為參考。
最簡單的排序有三種：插入排序，選擇排序和冒泡排序。這三種排序比較簡單，它們的平均時間復雜度均為O(n^2)，在這里對原理就不加贅述了。貼出來源代碼。
插入排序：
def insertion_sort(sort_list): iter_len = len(sort_list) if iter_len < 2: return sort_list for i in range(1, iter_len): key = sort_list[i] j = i - 1 while j >= 0 and sort_list[j] > key: sort_list[j+1] = sort_list[j] j -= 1 sort_list[j+1] = key return sort_list
冒泡排序：
def bubble_sort(sort_list): iter_len = len(sort_list) if iter_len < 2: return sort_list for i in range(iter_len-1): for j in range(iter_len-i-1): if sort_list[j] > sort_list[j+1]: sort_list[j], sort_list[j+1] = sort_list[j+1], sort_list[j] return sort_list
選擇排序：
def selection_sort(sort_list): iter_len = len(sort_list) if iter_len < 2: return sort_list for i in range(iter_len-1): smallest = sort_list[i] location = i for j in range(i, iter_len): if sort_list[j] < smallest: smallest = sort_list[j] location = j if i != location: sort_list[i], sort_list[location] = sort_list[location], sort_list[i] return sort_list
這里我們可以看到這樣的句子：
sort_list[i], sort_list[location] = sort_list[location], sort_list[i]
不了解Python的同學可能會覺得奇怪，沒錯，這是交換兩個數的做法，通常在其他語言中如果要交換a與b的值，常常需要一個中間變量temp，首先把a賦給temp，然后把b賦給a，最后再把temp賦給b。但是在python中你就可以這么寫：a, b = b, a，其實這是因為賦值符號的左右兩邊都是元組（這里需要強調的是，在python中，元組其實是由逗號“,”來界定的，而不是括號）。
平均時間復雜度為O(nlogn)的算法有：歸并排序，堆排序和快速排序。
歸并排序。對于一個子序列，分成兩份，比較兩份的第一個元素，小者彈出，然后重復這個過程。對于待排序列，以中間值分成左右兩個序列，然后對于各子序列再遞歸調用。源代碼如下，由于有工具函數，所以寫成了callable的類：
class merge_sort(object): def _merge(self, alist, p, q, r): left = alist[p:q+1] right = alist[q+1:r+1] for i in range(p, r+1): if len(left) > 0 and len(right) > 0: if left[0] <= right[0]: alist[i] = left.pop(0) else: alist[i] = right.pop(0) elif len(right) == 0: alist[i] = left.pop(0) elif len(left) == 0: alist[i] = right.pop(0) def _merge_sort(self, alist, p, r): if p<r: q = int((p+r)/2) self._merge_sort(alist, p, q) self._merge_sort(alist, q+1, r) self._merge(alist, p, q, r) def __call__(self, sort_list): self._merge_sort(sort_list, 0, len(sort_list)-1) return sort_list
堆排序，是建立在數據結構——堆上的。關于堆的基本概念、以及堆的存儲方式這里不作介紹。這里用一個列表來存儲堆（和用數組存儲類似），對于處在i位置的元素，2i+1位置上的是其左孩子，2i+2是其右孩子，類似得可以得出該元素的父元素。
首先我們寫一個函數，對于某個子樹，從根節點開始，如果其值小于子節點的值，就交換其值。用此方法來遞歸其子樹。接著，我們對于堆的所有非葉節點，自下而上調用先前所述的函數，得到一個樹，對于每個節點（非葉節點），它都大于其子節點。（其實這是建立最大堆的過程）在完成之后，將列表的頭元素和尾元素調換順序，這樣列表的最后一位就是最大的數，接著在對列表的0到n-1部分再調用以上建立最大堆的過程。最后得到堆排序完成的列表。以下是源代碼：
class heap_sort(object): def _left(self, i): return 2*i+1 def _right(self, i): return 2*i+2 def _parent(self, i): if i%2==1: return int(i/2) else: return i/2-1 def _max_heapify(self, alist, i, heap_size=None): length = len(alist) if heap_size is None: heap_size = length l = self._left(i) r = self._right(i) if l < heap_size and alist[l] > alist[i]: largest = l else: largest = i if r < heap_size and alist[r] > alist[largest]: largest = r if largest!=i: alist[i], alist[largest] = alist[largest], alist[i] self._max_heapify(alist, largest, heap_size) def _build_max_heap(self, alist): roop_end = int(len(alist)/2) for i in range(0, roop_end)[::-1]: self._max_heapify(alist, i) def __call__(self, sort_list): self._build_max_heap(sort_list) heap_size = len(sort_list) for i in range(1, len(sort_list))[::-1]: sort_list[0], sort_list[i] = sort_list[i], sort_list[0] heap_size -= 1 self._max_heapify(sort_list, 0, heap_size) return sort_list
最后一種要說明的交換排序算法（以上所有算法都為交換排序，原因是都需要通過兩兩比較交換順序）自然就是經典的快速排序。
先來講解一下原理。首先要用到的是分區工具函數（partition），對于給定的列表（數組），我們首先選擇基準元素（這里我選擇最后一個元素），通過比較，最后使得該元素的位置，使得這個運行結束的新列表（就地運行）所有在基準元素左邊的數都小于基準元素，而右邊的數都大于它。然后我們對于待排的列表，用分區函數求得位置，將列表分為左右兩個列表（理想情況下），然后對其遞歸調用分區函數，直到子序列的長度小于等于1。
下面是快速排序的源代碼：
class quick_sort(object): def _partition(self, alist, p, r): i = p-1 x = alist[r] for j in range(p, r): if alist[j] <= x: i += 1 alist[i], alist[j] = alist[j], alist[i] alist[i+1], alist[r] = alist[r], alist[i+1] return i+1 def _quicksort(self, alist, p, r): if p < r: q = self._partition(alist, p, r) self._quicksort(alist, p, q-1) self._quicksort(alist, q+1, r) def __call__(self, sort_list): self._quicksort(sort_list, 0, len(sort_list)-1) return sort_list
細心的朋友在這里可能會發現一個問題，如果待排序列正好是順序的時候，整個的遞歸將會達到最大遞歸深度（序列的長度）。而實際上在操作的時候，當列表長度大于1000（理論值）的時候，程序會中斷，報超出最大遞歸深度的錯誤（maximum recursion depth exceeded）。在查過資料后我們知道，Python在默認情況下，最大遞歸深度為1000（理論值，其實真實情況下，只有995左右，各個系統這個值的大小也不同）。這個問題有兩種解決方案，1）重新設置最大遞歸深度，采用以下方法設置：
import syssys.setrecursionlimit(99999)
2）第二種方法就是采用另外一個版本的分區函數，稱為隨機化分區函數。由于之前我們的選擇都是子序列的最后一個數，因此對于特殊情況的健壯性就差了許多?，F在我們隨機從子序列選擇基準元素，這樣可以減少對特殊情況的差錯率。新的randomize partition函數如下：
def _randomized_partition(self, alist, p, r): i = random.randint(p, r) alist[i], alist[r] = alist[r], alist[i] return self._partition(alist, p, r)
完整的randomize_quick_sort的代碼如下（這里我直接繼承之前的quick_sort類）：
import randomclass randomized_quick_sort(quick_sort): def _randomized_partition(self, alist, p, r): i = random.randint(p, r) alist[i], alist[r] = alist[r], alist[i] return self._partition(alist, p, r) def _quicksort(self, alist, p, r): if p<r: q = self._randomized_partition(alist, p, r) self._quicksort(alist, p, q-1) self._quicksort(alist, q+1, r)
關于快速排序的討論還沒有結束。我們都知道，Python是一門很優雅的語言，而Python寫出來的代碼是相當簡潔而可讀性極強的。這里就介紹快排的另一種寫法，只需要三行就能夠搞定，但是又不失閱讀性。（當然，要看懂是需要一定的Python基礎的）代碼如下：
def quick_sort_2(sort_list): if len(sort_list)<=1: return sort_list return quick_sort_2([lt for lt in sort_list[1:] if lt<sort_list[0]]) + / sort_list[0:1] + / quick_sort_2([ge for ge in sort_list[1:] if ge>=sort_list[0]])
怎么樣看懂了吧，這段代碼出自《Python cookbook 第二版》，這種寫法展示出了列表推導的強大表現力。
對于比較排序算法，我們知道，可以把所有可能出現的情況畫成二叉樹（決策樹模型），對于n個長度的列表，其決策樹的高度為h，葉子節點就是這個列表亂序的全部可能性為n!，而我們知道，這個二叉樹的葉子節點不會超過2^h，所以有2^h>=n！，取對數，可以知道，h>=logn!，這個是近似于O(nlogn)。也就是說比較排序算法的最好性能就是O(nlgn)。
那有沒有線性時間，也就是時間復雜度為O(n)的算法呢？答案是肯定的。不過由于排序在實際應用中算法其實是非常復雜的。這里只是討論在一些特殊情形下的線性排序算法。特殊情形下的線性排序算法主要有計數排序，桶排序和基數排序。這里只簡單說一下計數排序。
計數排序是建立在對待排序列這樣的假設下：假設待排序列都是正整數。首先，聲明一個新序列list2，序列的長度為待排序列中的最大數。遍歷待排序列，對每個數，設其大小為i，list2[i]++，這相當于計數大小為i的數出現的次數。然后，申請一個list，長度等于待排序列的長度（這個是輸出序列，由此可以看出計數排序不是就地排序算法），倒序遍歷待排序列（倒排的原因是為了保持排序的穩定性，及大小相同的兩個數在排完序后位置不會調換），假設當前數大小為i，list[list2[i]-1] = i，同時list2[i]自減1（這是因為這個大小的數已經輸出一個，所以大小要自減）。于是，計數排序的源代碼如下。
class counting_sort(object): def _counting_sort(self, alist, k): alist3 = [0 for i in range(k)] alist2 = [0 for i in range(len(alist))] for j in alist: alist3[j] += 1 for i in range(1, k): alist3[i] = alist3[i-1] + alist3[i] for l in alist[::-1]: alist2[alist3[l]-1] = l alist3[l] -= 1 return alist2 def __call__(self, sort_list, k=None): if k is None: import heapq k = heapq.nlargest(1, sort_list)[0] + 1 return self._counting_sort(sort_list, k)
各種排序算法介紹完（以上的代碼都通過了我寫的單元測試），我們再回到Python這個主題上來。其實Python從最早的版本開始，多次更換內置的排序算法。從開始使用C庫提供的qsort例程（這個方法有相當多的問題），到后來自己開始實現自己的算法，包括2.3版本以前的抽樣排序和折半插入排序的混合體，以及最新的適應性的排序算法，代碼也由C語言的800行到1200行，以至于更多。從這些我們可以知道，在實際生產環境中，使用經典的排序算法是不切實際的，它們僅僅能做學習研究之用。而在實踐中，更推薦的做法應該遵循以下兩點：
當需要排序的時候，盡量設法使用內建Python列表的sort方法。
當需要搜索的時候，盡量設法使用內建的字典。
我寫了測試函數，來比較內置的sort方法相比于以上方法的優越性。測試序列長度為5000，每個函數測試3次取平均值，可以得到以下的測試結果：
可以看出，Python內置函數是有很大的優勢的。因此在實際應用時，我們應該盡量使用內置的sort方法。
由此，我們引出另外一個問題。怎么樣判斷一個序列中是否有重復元素，如果有返回True，沒有返回False。有人會說，這不很簡單么，直接寫兩個嵌套的迭代，遍歷就是了。代碼寫下來應該是這樣。
def normal_find_same(alist): length = len(alist) for i in range(length): for j in range(i+1, length): if alist[i] == alist[j]: return True return False
這種方法的代價是非常大的（平均時間復雜度是O(n^2)，當列表中沒有重復元素的時候會達到最壞情況），由之前的經驗，我們可以想到，利用內置sort方法極快的經驗，我們可以這么做：首先將列表排序，然后遍歷一遍，看是否有重復元素。包括完整的測試代碼如下：
import timeimport randomdef record_time(func, alist): start = time.time() func(alist) end = time.time() return end - startdef quick_find_same(alist): alist.sort() length = len(alist) for i in range(length-1): if alist[i] == alist[i+1]: return True return Falseif __name__ == "__main__": methods = (normal_find_same, quick_find_same) alist = range(5000) random.shuffle(alist) for m in methods: print 'The method %s spends %s' % (m.__name__, record_time(m, alist))
運行以后我的數據是，對于5000長度，沒有重復元素的列表，普通方法需要花費大約1.205秒，而快速查找法花費只有0.003秒。這就是排序在實際應用中的一個例子。
