- 冒泡排序是一种简单的排序算法,它重复地遍历要排序的数列,一次比较两个元素,如果它们的顺序错误就交换它们的位置,直到没有任何一对数字需要交换为止。冒泡排序的时间复杂度为 O(n^2),因此它不适用于大规模数据的排序,但是它的实现简单,易于理解,是学习排序算法的入门之一。
Python 冒泡排序的实现
以下是 Python 冒泡排序的实现:
def bubble_sort(arr):
n = len(arr)
# 遍历所有数组元素
for i in range(n):
# 最后 i 个元素已经排好序,不需要再比较
for j in range(0, n-i-1):
# 如果当前元素大于下一个元素,则交换它们的位置
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
return arr
这个函数接受一个数组作为参数,返回一个排序后的数组。我们使用两个嵌套的循环来遍历数组,外层循环控制遍历次数,内层循环控制比较和交换。在内层循环中,我们比较当前元素和下一个元素的大小,如果当前元素大于下一个元素,则交换它们的位置。最终,我们得到一个排序后的数组。
以下是一个使用冒泡排序的例子:
arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = bubble_sort(arr)
print("排序后的数组:")
for i in range(len(sorted_arr)):
print("%d" % sorted_arr[i])
输出:
排序后的数组:
11
12
22
25
34
64
90
冒泡排序的优化
冒泡排序的时间复杂度为 O(n^2),因此它不适用于大规模数据的排序。但是,我们可以对冒泡排序进行一些优化,使得它在某些情况下的效率得到提升。
- 如果在某一次遍历中没有发生任何交换,说明数组已经排好序了,可以直接退出循环。
def bubble_sort(arr):
n = len(arr)
# 遍历所有数组元素
for i in range(n):
# 最后 i 个元素已经排好序,不需要再比较
is_sorted = True
for j in range(0, n-i-1):
# 如果当前元素大于下一个元素,则交换它们的位置
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
is_sorted = False
if is_sorted:
break
return arr
在内层循环中,我们添加了一个变量 is_sorted,用于记录是否发生了交换。如果没有发生交换,说明数组已经排好序了,可以直接退出循环。
- 在每一次遍历中,记录最后一次交换的位置,下一次遍历只需要比较到这个位置即可。
def bubble_sort(arr):
n = len(arr)
# 遍历所有数组元素
last_swap = n - 1
while last_swap > 0:
k = last_swap
last_swap = 0
for j in range(k):
# 如果当前元素大于下一个元素,则交换它们的位置
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
last_swap = j
return arr
在外层循环中,我们添加了一个变量 lastswap,用于记录最后一次交换的位置。在内层循环中,我们从 0 到 lastswap 遍历数组,如果发生了交换,就更新 lastswap 的值。下一次遍历只需要比较到 lastswap 的位置即可。
- 对于部分有序的数组,可以使用鸡尾酒排序(双向冒泡排序)来提高效率。
def cocktail_sort(arr):
n = len(arr)
left = 0
right = n - 1
while left < right:
# 从左到右遍历数组,将最大的元素放到右边
for i in range(left, right):
if arr[i] > arr[i+1]:
arr[i], arr[i+1] = arr[i+1], arr[i]
right -= 1
# 从右到左遍历数组,将最小的元素放到左边
for i in range(right, left, -1):
if arr[i] < arr[i-1]:
arr[i], arr[i-1] = arr[i-1], arr[i]
left += 1
return arr
鸡尾酒排序是一种双向冒泡排序,它从左到右遍历数组,将最大的元素放到右边,然后从右到左遍历数组,将最小的元素放到左边。这样可以在部分有序的数组中提高效率。
冒泡排序是一种简单的排序算法,它的实现简单,易于理解,是学习排序算法的入门之一。但是,它的时间复杂度为 O(n^2),不适用于大规模数据的排序。我们可以对冒泡排序进行一些优化,使得它在某些情况下的效率得到提升。