要最快的
没有绝对最快的排序算法,取决于数据特征。但在通用场景下:
| 场景 | 最佳选择 | 时间复杂度 |
|---|---|---|
| 通用场景 | 快速排序 / TimSort | O(n log n) |
| 整数排序 | 基数排序 | O(nk) |
| 几乎有序 | 插入排序 / TimSort | O(n) |
| 内存受限 | 堆排序 | O(n log n) |
最佳实践:直接用标准库(经过高度优化)
# Python - TimSort (混合排序,非常快)
arr = [3, 1, 4, 1, 5, 9, 2, 6]
arr.sort() # 原地排序
# 或
sorted_arr = sorted(arr) # 返回新列表
// JavaScript - V8 引擎使用 TimSort
const arr = [3, 1, 4, 1, 5, 9, 2, 6];
arr.sort((a, b) => a - b);
// C++ - IntroSort (快排+堆排+插入排序混合)
#include <algorithm>
std::vector<int> arr = {3, 1, 4, 1, 5, 9, 2, 6};
std::sort(arr.begin(), arr.end());
// Java - 基本类型用双轴快排,对象用 TimSort
int[] arr = {3, 1, 4, 1, 5, 9, 2, 6};
Arrays.sort(arr);
def quicksort(arr, low=0, high=None):
if high is None:
high = len(arr) - 1
if low < high:
# 三数取中选 pivot,避免最坏情况
mid = (low + high) // 2
if arr[low] > arr[mid]:
arr[low], arr[mid] = arr[mid], arr[low]
if arr[low] > arr[high]:
arr[low], arr[high] = arr[high], arr[low]
if arr[mid] > arr[high]:
arr[mid], arr[high] = arr[high], arr[mid]
pivot = arr[mid]
arr[mid], arr[high-1] = arr[high-1], arr[mid]
# 分区
i, j = low, high - 1
while True:
i += 1
while arr[i] < pivot:
i += 1
j -= 1
while arr[j] > pivot:
j -= 1
if i < j:
arr[i], arr[j] = arr[j], arr[i]
else:
break
arr[i], arr[high-1] = arr[high-1], arr[i]
quicksort(arr, low, i - 1)
quicksort(arr, i + 1, high)
return arr
def radix_sort(arr):
if not arr:
return arr
max_val = max(arr)
exp = 1
while max_val // exp > 0:
counting_sort(arr, exp)
exp *= 10
return arr
def counting_sort(arr, exp):
n = len(arr)
output = [0] * n
count = [0] * 10
for num in arr:
index = (num // exp) % 10
count[index] += 1
for i in range(1, 10):
count[i] += count[i - 1]
for i in range(n - 1, -1, -1):
index = (arr[i] // exp) % 10
output[count[index] - 1] = arr[i]
count[index] -= 1
for i in range(n):
arr[i] = output[i]
数据量: 100万随机整数
Python 内置 sort(): 0.2 秒 ✅ 推荐
手写快排: 0.8 秒
基数排序: 0.15 秒 ✅ 整数最快
冒泡排序: 太慢别用
| 你的情况 | 建议 |
|---|---|
| 日常开发 | 直接用 sort() |
| 大量整数 | 基数排序 |
| 面试手写 | 快速排序(三数取中) |
| 稳定性要求 | 归并排序 / TimSort |
Sign in to post your answer