算法漫游指北（第十一篇）:归并排序算法描述、动图演示、代码实现、过程分析、复杂度
算法漫游指北（第十一篇）:归并排序算法描述、动图演示、代码实现、过程分析、复杂度
一、归并排序
-
所谓“分”，指的是将一个乱序数列不断进行二分，得到许多短的序列。
-
所谓“治”，指的是将这些短序列进行两两合并，然后将合并的结果作为新的序列，再与其他序列进行合并，最终得到一个新的序列。
归并排序算法描述
-
把长度为n的输入序列分成两个长度为n/2的子序列；
-
对这两个子序列分别采用归并排序；
-
将两个排序好的子序列合并成一个最终的排序序列。
归并排序动图演示
动画演示图2
归并排序代码实现
def merge_sort(alist):
"""归并排序"""
n = len(alist)
#递归结束条件
# 剩一个或没有直接返回，不用排序
if n <= 1:
return alist
# 拆分
mid = n//2
# left 采用归并排序后形成的有序的新的列表
left_li = merge_sort(alist[:mid])
# right 采用归并排序后形成的有序的新的列表
right_li = merge_sort(alist[mid:])
# 将两个有序的子序列合并为一个新的整体
# merge(left, right)
left_pointer, right_pointer = 0, 0
result = []
while left_pointer < len(left_li) and right_pointer < len(right_li):
if left_li[left_pointer] <= right_li[right_pointer]:
result.append(left_li[left_pointer])
left_pointer += 1
else:
result.append(right_li[right_pointer])
right_pointer += 1
#将两个列表按顺序融合为一个列表result
result += left_li[left_pointer:]
result += right_li[right_pointer:]
return result
归并排序过程分析
示例 针对 arrli = [6,5,3,1,8,7,2,4]进行归并排序
1、拆分数组
假设数组一共有 n 个元素，我们递归对数组进行折半拆分即n//2，直到每组只有一个元素为止。
2、合并数组
算法会从最小数组开始有序合并，这样合并出来的数组一直是有序的，所以合并两个有序数组是归并算法的核心，这里用两个简单数组示例：
步骤1：新建一个空数组存放合并结果，用left_pointer和right_pointer两个辅助指针记录两个数组当前操作位置；
步骤2：从左到右逐一比较两个小数组中的元素，较小的元素先放入新数组，指针移位，直到left_pointer和right_pointer指针超出尾部；
步骤3：新建一个空数组存放合并结果，用l和r两个辅助指针记录两个数组当前操作位置；
步骤4：从左到右逐一比较两个小数组中的元素，较小的元素先放入新数组，指针移位，直到l或r指针超出尾部；
继续比较写入较小的元素到新数组
继续比较写入较小的元素到新数组
指针尚未移到尾部的数组，说明还有剩余元素，将剩余元素合并到新数组尾部。
步骤5：新建一个空数组存放合并结果，用l和r两个辅助指针记录两个数组当前操作位置；
步骤6：从左到右逐一比较两个小数组中的元素，较小的元素先放入新数组，指针移位，直到l或r指针超出尾部；
将较小的元素写入到新数组
继续比较写入较小的元素到新数组
继续比较写入较小的元素到新数组
继续比较写入较小的元素到新数组
步骤7：右边的指针尚未移到尾部的数组，说明还有剩余元素，将剩余元素合并到新数组尾部。
完成归并排序，返回排好序的新数组
归并排序复杂度
-
时间复杂度：O(nlogn)
归并排序把数组一层层折半分组，长度为 n 的数组，折半层数就是 logn，每一层进行操作的运算量是 n，得出时间复杂度 O(nlogn)。
-
空间复杂度：O(n)
每次归并操作需要创建额外的新数组，占用空间为 n，但这部分额外空间会随着方法的结束而释放，所以只需要算单次归并操作开辟的空间即可，得出空间复杂度 O(n)。
-
稳定性：稳定
从算法中从左到右逐一比较，较小的先放入新数组，所以两个值相同的元素，排序后依然保持原先后顺序。