插入排序代码及时间空间复杂度

插入排序（Insertion Sort）是一种简单的排序算法，它将一个数组分成已排序和未排序两部分，然后逐步将未排序部分的元素插入已排序部分的正确位置。以下是插入排序的代码示例以及时间和空间复杂度分析，希望对大家有所帮助。北京木奇移动技术有限公司，专业的软件外包开发公司，欢迎交流合作。

插入排序的代码示例（升序排序）：

def insertion_sort(arr):
n = len(arr)
for i in range(1, n):
key = arr[i] # 当前要插入的元素
j = i - 1

# 从已排序部分的末尾开始，逐个比较并移动元素
while j >= 0 and key < arr[j]:
arr[j + 1] = arr[j]
j -= 1

# 插入当前元素到正确的位置
arr[j + 1] = key
# 示例
arr = [64, 34, 25, 12, 22, 11, 90]
insertion_sort(arr)
print("排序后的数组：", arr)

时间复杂度分析：

插入排序的时间复杂度取决于输入数据的初始排列。在最坏情况下，当输入数据是逆序排列时，插入排序需要进行最多的比较和移动操作。对于每个未排序元素，都要与已排序部分的所有元素比较，因此总的比较次数为 1 + 2 + 3 + ... + (n-1)，这是一个等差数列，其和为 (n-1)n/2。因此，最坏情况下插入排序的时间复杂度是 O(n^2)。在最好的情况下，当输入数据已经有序时，插入排序的时间复杂度是 O(n)。

空间复杂度分析：

插入排序是一种原地排序算法，它不需要额外的空间来存储数据，因此其空间复杂度是 O(1)，即常数级别的空间消耗。

总结：插入排序虽然是一种简单的排序算法，但在某些情况下，特别是对于小型数据集或者数据已经接近有序的情况下，它的性能可以相当不错。然而，在大规模数据集上，插入排序通常不如快速排序或归并排序等更高效的排序算法。由于其时间复杂度为 O(n^2)，在大规模数据集上性能相对较差。