如果给你：
您会选择哪种排序算法？ 我在插入和快速排序之间进行辩论。我知道插入排序的最佳情况是O（n），但最坏的情况是O（n 2 ）。另外，考虑到内存有限的事实，我将数据分成两部分，并在每一部分上快速排序，然后将所有内容合并在一起。对于O（n log n）的净运行时间，需要花费O（n）时间来分割数据，O（n）用于合并数据，O（n log n）用于使用快速排序对数据进行排序。
有没有人对如何改进这方面有任何建议？
答案 0 :(得分：11)
您的类似mergesort的方法似乎非常合理。更一般地说，这种类型的排序算法称为external sorting algorithm。这些算法通常可以像您所描述的那样工作 - 将一些数据子集加载到内存中，对其进行排序，然后将其写回磁盘。最后，使用合并算法将所有内容合并在一起。加载多少以及使用哪种排序算法的选择通常是主要关注点。我将主要关注排序算法的选择。
您对快速排序的最坏情况行为的担忧一般来说 无需担心，因为如果您随机选择枢轴，那么您获得非常糟糕的运行时间的概率很低。即使数据已经排序，随机数据转换策略也可以正常工作，因为它没有最坏情况输入（除非有人知道您的随机数生成器和种子）。您也可以使用像introsort这样没有最坏情况行为的快速排序变体作为排序算法，以避免出现这种最坏情况。
也就是说，既然您知道数据已经部分排序，您可能需要查看adaptive sorting algorithm的排序步骤。你已经提到了插入排序，但是有更好的自适应算法。如果内存不足（如您所述），您可能需要尝试查看 smoothsort 算法，该算法具有最佳案例运行时O（n），最坏情况运行时O （n log n），仅使用O（1）内存。它不像其他算法那样具有自适应性（如Python的timsort，natural mergesort或Cartesian tree sort），但它的内存使用率较低。它也不如一个好的快速排序快，但如果数据真的大部分排序，它可以做得很好。
希望这有帮助！
答案 1 :(得分：1)
从表面上看，我会划分＆amp;用quicksort征服并称之为一天。许多算法问题都被过度考虑。
现在，如果你确实有测试数据可以使用并且真正想要掌握它，那么在中间和基准测试中粘贴一个抽象类。我们可以整天摆脱困境，但是知道数据已经部分排序，你将不得不进行测试。在大多数快速排序实施中，排序数据会带来最坏情况的性能。
考虑有many sorting algorithms，有些更适合排序集。此外，当您知道某个集合已排序时，您可以在n次将其与另一个集合合并。因此，当您比较添加单个（n）传递并大大降低快速进入（n 2 ）时间的机会时，首先识别排序数据的块可能会节省大量时间。