最近在某網站上看到一個視頻，是關于排序算法的可視化的，看著挺有意思的，也特別喜感。

不知道作者是怎么做的，但是突然很想自己實現一遍，而且用python實現特別快，花了一天的時間，完成了這個項目。主要包括希爾排序（Shell Sort）、選擇排序（Selection Sort）、快速排序（Quick Sort）、歸并排序（Merge Sort）等九種排序。

附上源碼鏈接：

https://github.com/ZQPei/Sorting_Visualization

（覺得不錯，記得幫忙點個star哦）

下面具體講解以下實現的思路，大概需要解決的問題如下：

如何表示數組

如何得到隨機采樣數組，數組有無重復數據

如何實現排序算法

如何把數組可視化出來

一、如何表示數組

Python提供了list類型，很方便可以表示C++中的數組。標準安裝的Python中用列表(list)保存一組值，可以用來當作數組使用，不過由于列表的元素可以是任何對象，因此列表中所保存的是對象的指針。這樣為了保存一個簡單的[1,2,3]，需要有3個指針和三個整數對象。對于數值運算來說這種結構顯然比較浪費內存和CPU計算時間，再次就不詳細論述。

二、如何得到隨機采樣數組，數組有無重復數據

假設我希望數組長度是100，而且我希望數組的大小也是在[0,100)內，那么如何得到100個隨機的整數呢？可以用random庫。

示例代碼：

import randomdata = list(range(100))data = random.choices(data, k=100)print(data)[52, 33, 45, 33, 48, 25, 68, 28, 78, 23, 78, 35, 24, 44, 69, 88, 66, 29, 82, 77, 84, 12, 19, 10, 27, 24, 57, 42, 71, 75, 25, 1, 77, 94, 44, 81, 86, 62, 25, 69, 97, 86, 56, 47, 31, 51, 40, 21, 41, 21, 17, 56, 88, 41, 92, 46, 56, 80, 23, 70, 49, 96, 83, 54, 16, 36, 82, 24, 68, 60, 16, 98, 16, 81, 10, 13, 11, 24, 68, 35, 56, 39, 23, 44, 6, 30, 3, 60, 56, 66, 38, 28, 47, 47, 25, 90, 89, 38, 68, 21]

但是以上代碼有個問題，random.choices是對一個序列進行重復采樣，得到的數組存在重復數據，那如果不希望存在重復數據，而是希望進行無重復采樣，怎么辦？

可以用random.sample函數，示例代碼：

data = random.sample(data, k=100)print(data)[49, 28, 56, 28, 44, 62, 81, 25, 48, 33, 54, 38, 30, 16, 13, 19, 23, 56, 60, 66, 41, 24, 68, 68, 77, 92, 78, 24, 66, 3, 80, 94, 78, 41, 84, 88, 21, 56, 25, 25, 75, 24, 38, 82, 31, 52, 23, 10, 71, 40, 27, 46, 33, 35, 56, 51, 1, 23, 12, 25, 89, 16, 21, 21, 11, 42, 47, 44, 81, 35, 86, 88, 29, 36, 77, 16, 39, 6, 57, 69, 96, 68, 24, 86, 97, 90, 69, 10, 68, 98, 56, 44, 83, 47, 70, 17, 47, 82, 60, 45]

這樣就可以得到無重復采樣數據了。

三、如何實現排序算法

算法種類較多，就不一一舉例；再次就以希爾排序(Shell Sort)為例講講：

爾排序的原理：希爾排序(Shell Sort)是插入排序的一種。也稱縮小增量排序，是直接插入排序算法的一種更高效的改進版本。

希爾排序是把記錄按下標的一定增量分組，對每組使用直接插入排序算法排序；隨著增量逐漸減少，每組包含的關鍵詞越來越多，當增量減至1時，整個文件恰被分成一組，算法便終止。

基礎的插入法排序是兩重循環，希爾排序是三重循環，最外面一重循環，控制增量gap，并逐步減少gap的值。二重循環從下標為gap的元素開始比較，依次逐個跨組處理。最后一重循環是對組內的元素進行插入法排序。這樣進行排序的優點在于每次循環，整個序列的元素都將小元素的值逐步向前移動，數值比較大的值向后移動。

示例代碼：

from data import DataSeqdef ShellSort(ds): assert isinstance(ds, DataSeq), "Type Error" Length = ds.length D = Length//2 while D>0: i=0 while i=1 and ds.data[j-D]>tmp: ds.SetVal(j, ds.data[j-D]) j-=D ds.SetVal(j, tmp) i+=D D//=2if __name__ == "__main__": ds=DataSeq(64) ds.Visualize() ds.StartTimer() ShellSort(ds) ds.StopTimer() ds.SetTimeInterval(0) ds.Visualize()

四、如何把數組可視化出來

有了隨機數組初始化方法，再實現好排序函數，我們還差一步，就是把排序函數中每次移動數組后將數組可視化并輸出。

對數組進行可視化，很容易想到Python的可視化工具matplotlib！但是在項目中我并沒有用matplotlib，而是用了numpy+opencv。

為什么不用matplotlib？

因為在排序過程中，每次修改數組，都希望能夠實時修改圖片并輸出，matplotlib確實很方便，但是matplotlib的效率實在是不高，而且每次修改數組前后的兩幅圖片其實是差不多的。如果用matplotlib，每次都是要重新繪制圖片，非常耗時！！！

所以考慮自己生成圖片，在每次修改數組后，只將圖片中改動的那兩列進行修改即可！這樣就比用matplotlib每次重新繪制圖片效率高得多！

數組中主要有兩種操作，一種是對某個idx賦值，一種是交換某兩個idx的值。

示例代碼：

class DataSeq: WHITE = (255,255,255) RED = (0,0,255) BLACK = (0,0,0) YELLOW = (0,127,255) def __init__(self, Length, time_interval=1, sort_title="Figure", repeatition=False): pass def Getfigure(self): _bar_width = 5 figure = np.full((self.length*_bar_width,self.length*_bar_width,3), 255,dtype=np.uint8) for i in range(self.length): val = self.data[i] figure[-1-val*_bar_width:, i*_bar_width:i*_bar_width+_bar_width] = self.GetColor(val, self.length) self._bar_width = _bar_width self.figure = figure def _set_figure(self, idx, val): min_col = idx*self._bar_width max_col = min_col+self._bar_width min_row = -1-val*self._bar_width self.figure[ : , min_col:max_col] = self.WHITE self.figure[ min_row: , min_col:max_col] = self.GetColor(val, self.length) def SetVal(self, idx, val): self.data[idx] = val self._set_figure(idx, val) self.Visualize((idx,)) def Swap(self, idx1, idx2): self.data[idx1], self.data[idx2] = self.data[idx2], self.data[idx1] self._set_figure(idx1, self.data[idx1]) self._set_figure(idx2, self.data[idx2]) self.Visualize((idx1, idx2))

詳細代碼見github：

https://github.com/ZQPei/Sorting_Visualization

（就等你的小小star）其他的都沒有什么了，有細節的問題可以在我的github下面留言勾搭。

最后附上一張效果圖：