排序有内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。
我们通常所说的排序算法往往指的是内部排序算法，即数据记录在内存中进行排序。内部排序的分类：
一种是比较排序，时间复杂度O(nlogn) ~ O(n^2)，主要有：冒泡排序，选择排序，快速排序，插入排序，希尔排序，归并排序，堆排序等。
另一种是非比较排序，时间复杂度可以达到O(n)，主要有：计数排序，基数排序，桶排序等。
常见排序算法的一些特性：
冒泡排序
通过上面的动图也可以看出来，冒泡通过两重循环遍历每一个数后将最大的’冒’出去
冒泡是相邻元素之间的比较，每次把最大的’冒’出去
时间复杂度：O(n^2)
选择排序
选择排序相比冒泡排序不稳定，时间复杂度也是。
选择排序没趟都会产生最小值，它不是相邻元素的比较而是在该元素设置一个索引i。
然后与数组的其他元素依次比较（除了上一个索引值），直到找到小于该元素（索引j）时交换两元素，
接着继续从i索引（此时已经不是原来的数值）值与索引j+1值比较。重复上述比较过程：
冒泡是相邻元素比较，选择不是相邻元素比较
把最小的选出来
快速排序
(1) 从数列中挑出一个基准值。
(2) 将所有比基准值小的摆放在基准前面，所有比基准值大的摆在基准的后面(相同的数可以到任一边)；在这个分区退出之后，该基准就处于最终它应该在的地方。
(3) 递归地把”基准值前面的子数列”和”基准值后面的子数列”进行排序。
快速排序的时间复杂度在最坏情况下是O(N2)，平均的时间复杂度是O(N*lgN)。
假设有如下数组，将两个哨兵设在左右端，最左端的值为基准
1.右边向左运动，直到找到一个比基准小的数
2.左边向右运动，直到找到一个比基准大的数 
3.交换两个数 
4.如果两个哨兵不想遇，则继续上述步骤 
5.相遇之后和基准交换 
这样‘6’就永远在它最终应该待的地方了，对6的前一半和后一半进行上述完整操作即可（递归）
插入排序
- 初始时，a[0]自成1个有序区，无序区为a[1..n-1]。令i=1
- 将a[i]并入当前的有序区a[0…i-1]中形成a[0…i]的有序区间。
- i++并重复第二步直到i==n-1。排序完成。
直接插入排序的时间复杂度是O(N^2)
希尔排序
是插入排序的一种更高效的改进版本。希尔排序是非稳定排序算法。分组的插入排序
注：
如果索引i，j大于步长gap时，应该一直往前迭代
如代码中的： j-=gap第一次交换数据后，看它是后面的数否还小于前面的数
如2 3 1 5 9 6这个序列以1位步长的话
一次交换后2 1 3 5 9 6此时j指向第二个数，i指向第三个数
所以交换后应该用j-gap往前查看是否前面的更小
归并排序
是分治法的一种，上图可以清晰的描述排序过程
先拆分（递归），后合并
效率为 O(n log n)
'''
冒泡排序
重复走访过要排序的序列，一次比较两个元素，如果他们的顺序错误就将他们进行交换，一次冒上来的是最小的，其次是第二小。
时间复杂度：O(n^2)
空间复杂度:O(1)
稳定性：稳定
'''
def BubbleSort(data):
for i in range(len(data)):
for j in range(len(data)-i-1):
if data[j]>data[j+1]:
data[j+1] , data[j] = data[j] , data[j+1]
'''
选择排序
选择排序相比冒泡排序不稳定，时间复杂度也是。选择排序没趟都会产生最小值，它不是相邻元素的比较而是在该元素设置一个索引i。
然后与数组的其他元素依次比较（除了上一个索引值），直到找到小于该元素（索引j）时交换两元素，
接着继续从i索引（此时已经不是原来的数值）值与索引j+1值比较。重复上述比较过程……简单的原理图如下：
冒泡是相邻元素比较，选择不是相邻元素比较
'''
def SelectionSort(data):
for i in range(len(data)):
for j in range(i+1,len(data)):
if data[j]<data[i]:
data[i] , data[j] = data[j] , data[i]
'''
快速排序
快速排序流程：
(1) 从数列中挑出一个基准值。
(2) 将所有比基准值小的摆放在基准前面，所有比基准值大的摆在基准的后面(相同的数可以到任一边)；在这个分区退出之后，该基准就处于最终它应该在的地方。
(3) 递归地把"基准值前面的子数列"和"基准值后面的子数列"进行排序。
快速排序的时间复杂度在最坏情况下是O(N2)，平均的时间复杂度是O(N*lgN)。
'''
def QuickSort(lists, left, right):
# 快速排序
if left >= right:
return lists
key =left
low = left
high = right
while left < right:
while left < right and lists[right] >= lists[key]:#如果右边比基准小，停下
right -= 1
while left < right and lists[left] <= lists[key]:#如果左边比基准大，停下
left += 1
lists[right],lists[left]=lists[left],lists[right]#交换现在的左右值
lists[right] ,lists[key]=lists[key],lists[right] #left和right汇合后和基准交换
print_data(data)#交换过程
QuickSort(lists, low, left - 1)
QuickSort(lists, left + 1, high)
return lists
'''
直接插入排序
1. 初始时，a[0]自成1个有序区，无序区为a[1..n-1]。令i=1
2. 将a[i]并入当前的有序区a[0…i-1]中形成a[0…i]的有序区间。
3. i++并重复第二步直到i==n-1。排序完成。
直接插入排序的时间复杂度是O(N2)。
假设被排序的数列中有N个数。遍历一趟的时间复杂度是O(N)，需要遍历多少次呢？N-1！因此，直接插入排序的时间复杂度是O(N2)。
'''
def InsertionSort(data):
for i in range(1,len(data)):
key=data[i]
j=i-1
while j>=0:
if data[j]>key:
data[j+1]=data[j]
data[j]=key
j-=1
'''
希尔排序
是插入排序的一种更高效的改进版本。希尔排序是非稳定排序算法。分组的插入排序
j-=gap第一次交换数据后，看它是后面的数否还小于前面的数
如2 3 1 5 9 6这个序列以1位步长的话
一次交换后2 1 3 5 9 6此时j指向第二个数，i指向第三个数
所以交换后应该用j-gap往前查看是否前面的更小
'''
def ShellSort(data):
gap=int(len(data)/2) #排序的分组
while gap>0:
for i in range(gap,len(data)):
j=i-gap
while data[j]>data[i] and j >=0:
data[j],data[i]=data[i],data[j]
j-=gap
i-=gap
gap=int(gap/2)
'''
归并排序
先拆分，后合并
'''
def MergeSort(ls):
if len(ls)<2:
return ls
mid = len(ls) >> 1 #相当于除2取整
left = MergeSort(ls[:mid])
right = MergeSort(ls[mid:])
return merge(left,right)
def merge(left, right):
result = []
i, j = 0, 0
while i < len(left) and j < len(right):
if left[i] < right[j]:
result.append(left[i])
i += 1
else:
result.append(right[j])
j += 1
result += left[i:]
result += right[j:]
return result
'''打印函数'''
def print_data(data):
for i in data:
print(i,end=' ')
print()
'''测试代码'''
data=[5,9,7,2,3,1,6]
BubbleSort(data)
print_data(data)
data=[5,9,7,2,3,1,6]
SelectionSort(data)
print_data(data)
data=[5,9,7,2,3,1,6]
QuickSort(data,0,6)
print_data(data)
data=[5,9,7,2,3,1,6]
InsertionSort(data)
print_data(data)
data=[5,9,7,2,3,1,6]
ShellSort(data)
print_data(data)
data=[5,9,7,2,3,1,6]
data=MergeSort(data)
print_data(data)- 59
- 160
- 161
图片来自维基百科