排序算法--插入排序

算法原理

如数组: [18, 2, 15, 9, 3, 19, 14, 7] ,
从index=0开始,拿出18,认为[18]排序排好了。
然后拿index=1，得到[18,2]，此时找2应当插入的位置，从右向左排依次排搜索，得到[2,18]。
然后拿index=2，得到[2,18,15],从右开始排序，18和15比，18>15，18和15互换位置，得到[2,15,18]。
然后拿到index=3，得到[2,15,18,9],9<18，9和18互换位置，变成[2,15,9,18],15和9比，9<15,9和15互换位置，得到[2,9,15,18]
…
以此类推。

用文字可以描述为：
从第一个元素开始，该元素可以认为已经被排序；
取出下一个元素，在已经排序的元素序列中从后向前扫描；
如果该元素（已排序）大于新元素，将该元素移到下一位置；
重复步骤3，直到找到已排序的元素小于或者等于新元素的位置；
将新元素插入到该位置后；
重复步骤2~5。

用一张图描述插入算法的过程：

python代码实现

import random

"""
插入排序,最坏情况n²,平均情况n²
"""
def insert_sort(arr):
    length=len(arr)
    for i in range(1,length):
        for j in range(i,0,-1):
            if arr[j]<arr[j-1]:
                arr[j],arr[j-1]=arr[j-1],arr[j]
    return arr

if __name__ == "__main__":
    arr=random.sample(range(20),8)
    print('arr:',arr)
    arr=insert_sort(arr)
    print('after sort:',arr)

完整代码（带画图版）

"""
插入排序的实现
插入排序的动画实现

插入排序的工作原理是，对于每个未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。
"""

import matplotlib.pyplot as plt
import random
import numpy as np
from matplotlib import cm
def autolabel(rects):
 for rect in rects:
  height = rect.get_height()
  plt.text(rect.get_x()+rect.get_width()/2.-0.2, 1.00*height, '%s' % float(height))
"""
插入排序,最坏情况n²,平均情况n²
1.认为index=0处已经排序，
2.排第二个元素，如果第二个元素<第一个元素，则互换他们位置
...
3.排第n个元素，前面n-1个元素已经排序，此时问题变更为找n元素合适位置，则我们使用简单排序，n与其他n-1个元素比较，从末向前，每比较一个元素后，排列位置
"""
def insert_sort(arr):
    length=len(arr)
    c = cm.rainbow( np.array(arr) / 25)
    plt.bar(range(0,length),arr,color=c)
    plt.ion()
    plt.show()
    plt.pause(0.2)
    for i in range(1,length):
        for j in range(i,0,-1):
            if arr[j]<arr[j-1]:
                arr[j],arr[j-1]=arr[j-1],arr[j]

                #画图
                plt.cla()
                c = cm.rainbow( np.array(arr) / 25)
                a=plt.bar(range(0,length),arr,color=c)
                autolabel(a)
                plt.pause(2)
    plt.ioff()
    plt.show()
    return arr

if __name__ == "__main__":
    arr=random.sample(range(20),8)
    print('arr:',arr)
    arr=insert_sort(arr)
    print('after sort:',arr)

参考文章：https://www.cnblogs.com/onepixel/articles/7674659.html