小白學排序 | 十大經(jīng)典排序算法（動圖）
算法分類
冒泡排序(重點)
選擇排序
插入排序
歸并排序（重點）
快速排序（重點）
堆排序（重點）
計數(shù)排序
基數(shù)排序
算法分類
十種常見排序算法可以分為兩大類：
比較類排序：通過比較來決定元素間的相對次序，由于其時間復雜度不能突破O(nlogn)，因此也稱為非線性時間比較類排序。非比較類排序：不通過比較來決定元素間的相對次序，它可以突破基于比較排序的時間下界，以線性時間運行，因此也稱為線性時間非比較類排序。
【算法復雜度】
【相關概念】
穩(wěn)定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面。 不穩(wěn)定：如果a原本在b的前面，而a=b，排序之后 a 可能會出現(xiàn)在 b 的后面。 時間復雜度：對排序數(shù)據(jù)的總的操作次數(shù)。反映當n變化時，操作次數(shù)呈現(xiàn)什么規(guī)律。 **空間復雜度：**是指算法在計算機內執(zhí)行時所需存儲空間的度量，它也是數(shù)據(jù)規(guī)模n的函數(shù)。
冒泡排序(重點)
Bubble Sort
【算法描述】
比較相鄰的元素。如果第一個比第二個大，就交換它們兩個； 對每一對相鄰元素作同樣的工作，從開始第一對到結尾的最后一對，這樣在最后的元素應該會是最大的數(shù)； 針對所有的元素重復以上的步驟，除了最后一個； 重復步驟1~3，直到排序完成。
【動圖演示】
選擇排序
Selection Sort 表現(xiàn)最穩(wěn)定的排序算法之一，因為無論什么數(shù)據(jù)進去都是O(n2)的時間復雜度，所以用到它的時候，數(shù)據(jù)規(guī)模越小越好。唯一的好處可能就是不占用額外的內存空間了吧。理論上講，選擇排序可能也是平時排序一般人想到的最多的排序方法了吧。【算法描述】
選擇排序(Selection-sort)是一種簡單直觀的排序算法。它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再從剩余未排序元素中繼續(xù)尋找最?。ù螅┰?，然后放到已排序序列的末尾。以此類推，直到所有元素均排序完畢。
【動圖演示】
插入排序
Insertion Sort
【算法描述】
一般來說，插入排序都采用in-place在數(shù)組上實現(xiàn)。具體算法描述如下：
從第一個元素開始，該元素可以認為已經(jīng)被排序； 取出下一個元素，在已經(jīng)排序的元素序列中從后向前掃描； 如果該元素（已排序）大于新元素，將該元素移到下一位置； 重復步驟3，直到找到已排序的元素小于或者等于新元素的位置； 將新元素插入到該位置后； 重復步驟2~5。
【動圖演示】
歸并排序（重點）
Merge Sort 歸并排序是建立在歸并操作上的一種有效的排序算法。該算法是采用分治法（Divide and Conquer）的一個非常典型的應用。將已有序的子序列合并，得到完全有序的序列；即先使每個子序列有序，再使子序列段間有序。若將兩個有序表合并成一個有序表，稱為2-路歸并。 是遞歸的思想 歸并排序是一種穩(wěn)定的排序方法。和選擇排序一樣，歸并排序的性能不受輸入數(shù)據(jù)的影響，但表現(xiàn)比選擇排序好的多，因為始終都是O(nlogn）的時間復雜度。代價是需要額外的內存空間。【算法描述】 把長度為n的輸入序列分成兩個長度為n/2的子序列； 對這兩個子序列分別采用歸并排序； 將兩個排序好的子序列合并成一個最終的排序序列。
【動圖演示】
快速排序（重點）
Quite Sort 快速排序的基本思想：通過一趟排序將待排記錄分隔成獨立的兩部分，其中一部分記錄的關鍵字均比另一部分的關鍵字小，則可分別對這兩部分記錄繼續(xù)進行排序，以達到整個序列有序。 之前一直以為快排和二分法有關，但是其實是分治法的應用。
【算法描述】
快速排序使用分治法來把一個串（list）分為兩個子串（sub-lists）。具體算法描述如下：
從數(shù)列中挑出一個元素，稱為 “基準”（pivot）； 重新排序數(shù)列，所有元素比基準值小的擺放在基準前面，所有元素比基準值大的擺在基準的后面（相同的數(shù)可以到任一邊）。在這個分區(qū)退出之后，該基準就處于數(shù)列的中間位置。這個稱為分區(qū)（partition）操作； 遞歸地（recursive）把小于基準值元素的子數(shù)列和大于基準值元素的子數(shù)列排序。
【動圖演示】
堆排序（重點）
python中sort排序的方法就是堆排序 堆排序（Heapsort）是指利用堆這種數(shù)據(jù)結構所設計的一種排序算法。堆積是一個近似完全二叉樹的結構，并同時滿足堆積的性質：即子結點的鍵值或索引總是小于（或者大于）它的父節(jié)點。
【算法描述】
這個比較復雜。先看動圖然后慢慢細說。
【動圖演示】
【分步詳解】
堆（二叉堆）可以視為一棵完全的二叉樹。完全二叉樹的一個優(yōu)秀的性質就是，除了最底層之外，每一層都是滿的
二叉堆一般分為兩種：最大堆和最小堆。
最大堆 ：最大堆中的最大元素在根結點（堆頂）；堆中每個父節(jié)點的元素值都大于等于其子結點（如果子節(jié)點存在）
最小堆：最小堆中的最小元素出現(xiàn)在根結點（堆頂）；堆中每個父節(jié)點的元素值都小于等于其子結點（如果子節(jié)點存在）
假設我們要對目標數(shù)組A {57, 40, 38, 11, 13, 34, 48, 75, 6, 19, 9, 7}進行堆排序。
首先第一步和第二步，創(chuàng)建堆，這里我們用最大堆；創(chuàng)建過程中，保證調整堆的特性。從最后一個分支的節(jié)點開始進行調整為最大堆。
現(xiàn)在得到的最大堆的存儲結構如下：
接著，最后一步，堆排序，進行（n-1）次循環(huán)。
這個迭代持續(xù)直至最后一個元素即完成堆排序步驟。
【個人理解】
通過堆這個結構，讓隨機兩個數(shù)組進行比大小，然后讓獲勝者之間再比大小，這樣就可以通過復雜都logn得到一個最大的數(shù)字。然后不考慮這個數(shù)字，在剩下的數(shù)字中重復這個過程。有點類似比賽半決賽，四分之一決賽，八強這樣的感覺。
計數(shù)排序
Counting Sort 計數(shù)排序不是基于比較的排序算法，其核心在于將輸入的數(shù)據(jù)值轉化為鍵存儲在額外開辟的數(shù)組空間中。作為一種線性時間復雜度的排序，計數(shù)排序要求輸入的數(shù)據(jù)必須是有確定范圍的整數(shù)。敲黑板!計數(shù)排序不是基于比較的，所以是線性時間復雜度，但是速度快的代價就是對輸入數(shù)據(jù)有限制要求：確定范圍的整數(shù)
【算法描述】
這部分不怎么用看，直接看動圖就理解了
找出待排序的數(shù)組中最大和最小的元素； 統(tǒng)計數(shù)組中每個值為i的元素出現(xiàn)的次數(shù)，存入數(shù)組C的第i項； 對所有的計數(shù)累加（從C中的第一個元素開始，每一項和前一項相加）； 反向填充目標數(shù)組：將每個元素i放在新數(shù)組的第C(i)項，每放一個元素就將C(i)減去1。
【動圖演示】
基數(shù)排序
Radix Sort 基數(shù)排序是按照低位先排序，然后收集；再按照高位排序，然后再收集；依次類推，直到最高位。**有時候有些屬性是有優(yōu)先級順序的，先按低優(yōu)先級排序，再按高優(yōu)先級排序。**最后的次序就是高優(yōu)先級高的在前，高優(yōu)先級相同的低優(yōu)先級高的在前。
【算法描述】
取得數(shù)組中的最大數(shù)，并取得位數(shù)； arr為原始數(shù)組，從最低位開始取每個位組成radix數(shù)組； 對radix進行計數(shù)排序（利用計數(shù)排序適用于小范圍數(shù)的特點）；
【動圖演示】
相關閱讀：