小编给大家分享一下如何使用python实现希尔、计数、基数基础排序的代码，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！
企业建站必须是能够以充分展现企业形象为主要目的，是企业文化与产品对外扩展宣传的重要窗口，一个合格的网站不仅仅能为公司带来巨大的互联网上的收集和信息发布平台，
成都创新互联公司面向各种领域：
水处理设备等
成都网站设计公司、
成都全网营销解决方案、网站设计等建站排名服务。
希尔排序
希尔排序是一个叫希尔的数学家提出的一种优化版本的插入排序。
首先取一个整数d1=n//2，将元素分为d1个组，每组相邻元素之间的距离为d1，在各组内进行直接插入排序。
取第二个整数d2=d1//2，重复上述分组排序过程，直到di=1，即所有元素在同一组内进行直接插入排序。
希尔排序是使整体数据越来越接近有序；最后一趟排序使得所有数据有序。
实现
# 希尔排序
def shell_sort(li):
n = len(li)
gap = n // 2
while gap > 0:
for i in range(gap, n):
temp = li[i]
j = i - gap
while j >= 0 and li[j] > temp:
li[j + gap] = li[j]
j -= gap
li[j + gap] = temp
gap //= 2
算法分析
时间复杂度：O(n1.3)
最好时间复杂度：O(n)
最坏时间复杂度：O(n2)
空间复杂度：O(1)
稳定性：不稳定
计数排序
计数排序是一种非比较性质的排序算法，元素从未排序状态变为已排序状态的过程，是由额外空间的辅助和元素本身的值决定的。
计数排序过程中不存在元素之间的比较和交换操作，根据元素本身的值，将每个元素出现的次数记录到辅助空间后，通过对辅助空间内数据的计算，即可确定每一个元素最终的位置。
根据待排序集合中大元素和最小元素的差值范围，申请额外空间；
遍历待排序集合，将每一个元素出现的次数记录到元素值对应的额外空间内；
对额外空间内数据进行计算，得出每一个元素的正确位置；
将待排序集合每一个元素移动到计算得出的正确位置上。
实现
def count_sort(li, max_num=100):
count = [0 for _ in range(max_num + 1)]
for val in li:
count[val] += 1
li.clear()
# 表示i这个数出现了v次
for i, v in enumerate(count):
for _ in range(v):
li.append(i)
算法分析
假定原始数列的规模是N
大值和最小值的差是M
计数排序的时间复杂度是O(N+M)
如果不考虑结果数组，只考虑中间数组大小的话，空间复杂度是O(M)
基数排序
基数排序（英语：Radix sort）是一种非比较型整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。
由于整数也可以表达字符串（比如名字或日期）和特定格式的浮点数，所以基数排序也不是只能使用于整数。
多关键字排序：现在有一个员工，要求按照薪资排序，年龄相同的员工按照按照年龄排序。
先按照年龄进行排序，再按照薪资进行稳定的排序。
对32，13，94，52，17，54，93进行排序，是否可以看作多关键字排序？
实现
# 基数排序
def radix_sort(li):
max_num = max(li)
i = 0
while (10 ** i <= max_num):
buckets = [[] for _ in range(10)]
for val in li:
# i=0 个位 i=1 十位 i=2 百位 ..
digit = val // (10**i) % 10
buckets[digit].append(val)
li.clear()
for bucket in buckets:
for val in bucket:
li.append(val)
i += 1
算法分析
时间复杂度：O(kn)
最好时间复杂度：O(kn)
最坏时间复杂度：O(kn)
空间复杂度：O(n+k)
稳定性：稳定
看完了这篇文章，相信你对“如何使用python实现希尔、计数、基数基础排序的代码”有了一定的了解，如果想了解更多相关知识，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
网站标题：如何使用python实现希尔、计数、基数基础排序的代码-创新互联
浏览地址：
http://www.cdkjz.cn/article/ejcpd.html
