用Python实现的5个不同类型的排序函数

排序是计算机科学中最常见的问题之一，它的目的是将一组元素按照一定的顺序重新排列。Python提供了多种不同的排序算法，每种算法有不同的适用场景和性能特点。下面是五个不同类型的排序函数的实现示例：

1. 冒泡排序（Bubble Sort）：

冒泡排序比较相邻的两个元素，如果它们的顺序错误就交换它们，直到没有需要交换的元素为止。这个过程不断地将最大的元素“冒泡”到最后的位置。

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
    return arr

2. 插入排序（Insertion Sort）：

插入排序的思想是将一个元素插入到已经排好序的子序列中。每次将一个未排序的元素插入到合适的位置，直到所有的元素都被插入完毕。

def insertion_sort(arr):
    for i in range(1, len(arr)):
        key = arr[i]
        j = i-1
        while j >= 0 and arr[j] > key:
            arr[j+1] = arr[j]
            j -= 1
        arr[j+1] = key
    return arr

3. 选择排序（Selection Sort）：

选择排序找到未排序部分的最小元素，并将其放到已排序部分的末尾。重复这个过程直到所有的元素都排好序。

def selection_sort(arr):
    for i in range(len(arr)):
        min_index = i
        for j in range(i+1, len(arr)):
            if arr[j] < arr[min_index]:
                min_index = j
        arr[i], arr[min_index] = arr[min_index], arr[i]
    return arr

4. 快速排序（Quick Sort）：

快速排序是一种分而治之的排序算法，它通过选择一个基准元素将数组划分为两个子数组，然后递归地排序这两个子数组。

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr)//2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

5. 归并排序（Merge Sort）：

归并排序使用分治的思想，将数组递归地分成两个子数组，然后将这两个子数组合并为一个有序数组。

def merge_sort(arr):
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    left = merge_sort(arr[:mid])
    right = merge_sort(arr[mid:])
    return merge(left, right)

def merge(left, right):
    result = []
    i = j = 0
    while i < len(left) and j < len(right):
        if left[i] < right[j]:
            result.append(left[i])
            i += 1
        else:
            result.append(right[j])
            j += 1
    result.extend(left[i:])
    result.extend(right[j:])
    return result

以上是五个不同类型的排序函数的实现示例。这些函数都可以用来对一个数组或列表进行排序，但它们各自的性能特点不同，适用于不同的场景。在实际应用中，需要根据具体的需求选择合适的排序算法。