Question

我尝试使用两种排序算法对列表进行排序：bubble和quick 为此，我分别使用algorithms模块和bubble_sort，quick_sort。据我所知，第一算法的复杂度为n^2，第二算法为n*log(n)。但是我从这段代码得到了意想不到的输出：

from algorithms.sorting import bubble_sort, quick_sort
import time

my_list = [1, 12, 33, 14, 52, 16, 71, 18, 94]
start1 = time.time()
for i in range(1000000):
    bubble_sort.sort(my_list)

end1 = time.time()
start2 = time.time()
for i in range(1000000):
    quick_sort.sort(my_list)

end2 = time.time()

print('Bubble sort:', end1 - start1)
print('Quick sort:',end2 - start2)

输出：

>>> Bubble sort: 7.04760217666626
>>> Quick sort: 8.181402921676636

为什么在这种情况下冒泡排序比快速排序更快？

Answer 1

复杂性告诉你哪一个是n的最大值。我猜n=9太小了，所以在这种情况下，隐藏在O（）中的常量的效果比n^2和n log(n)之间的差异更重要。我建议你重试my_list=range(1000)。

此外，您必须从随机排序的列表开始。否则（使用标准实现），在已排序的情况下，冒泡排序为O(n)（最终只是验证列表已经排序）

Answer 2

对于所有n＆gt; = 1，数学上n ^ 2大于nlog（n）。

因此，对于n = 9（来自示例），冒泡排序{O（n ^ 2）}应该比快速排序{O（nlog n）}慢。

但实际的复杂性是：

Big-O冒泡排序：n（n-1），相当于 O（n ^ 2）

Big-O快速排序：O（n（log n））

但由于n = 9非常小， n ^ 2和n具有可比性且假设n ^ 2-n等于n变得错误。

至于证据：

对于n = 9，

n ^ 2-n是7.2

对于n = 9，

n（log n）是8.5 这与问题中提到的相同。

Answer 3

快速排序的最差情况是O(n^2)。最坏的情况取决于枢轴选择策略，通常它发生在已经排序的数组（你的数组是）。

此外，对于小型数据集，冒泡排序或其他简单排序算法通常比更复杂的算法更快。原因是，对于每次迭代，简单算法的计算量都比复杂算法少。

例如，假设冒泡排序每次迭代需要3ms，而快速排序需要20ms。因此对于包含10项的数组。

在这种情况下，冒泡排序需要10*10*3 = 300ms。

快速排序需要10*log2(10)*20 = 664ms。

因此，泡泡排序更快。但是，随着更大的数据集的采用，由于运行时间复杂性降低，快速排序变得越来越高效。

Answer 4

那么最糟糕的运行时间是什么？

Quicksort：n^2和 Bubblesort：n^2

请记住，最糟糕的情况并不总是衡量现实世界表现的良好指标。在一般情况下，

Quicksort：nlog(n)

Bubblesort：n^2

基于此，Quicksort比Bubblesort更快。

然而，Quicksort处理退化的情况很差。当列表已经按照几乎排序的顺序时，Quicksort将继续递归。 Bubblesort将在完成后立即停止，在这种情况下使Bubblesort更快。

Answer 5

首先，尝试对更大的数组进行排序，以便二次复杂度优先于对数复杂度。
注意：关于对数复杂度，请注意 log（n）到 quicksort ，不是 log < sub> 10 ，它的 log ₂ - ＆gt; O（n）应表示为 n * lg（n）

其次，没有理由对已排序的数组进行排序 ...试试这个：

import numpy as np
arr = np.linspace(-1e3, 1e3, 1e5)
np.random.shuffle(arr)  # Shuffling array preserving the content

如果算法不接受numpy数组，请将其转换为list：
arr_l = list(arr)

为什么冒泡排序比快速排序更快

5 个答案: