隨機值

這一次的測試數據與上一次的不同，上一次確實是太規律了，所以這一次采用隨機值：

from random import randint

data = [randint(6, 20000) for i in range(30000)]
data.insert(500, 5)
data.insert(700, 7)
data.insert(900, 9)

并且還在生成的隨機值列表中不同位置插入 3 個值，有了不規律的隨機值，接下來就可以開始測試了。

冒泡排序

def bubble(data):
    for i in range(len(data)-1):    # 排序次數
        for s in range(len(data)-i-1):  # s為列表下標
            if data[s] > data[s+1]:
                data[s], data[s+1] = data[s+1], data[s]
    return data


start_time = datetime.now()
res = bubble(data)

print(datetime.now() - start_time)
print(len(res), res[:5], res[700:705], res[10000:10005])

得到的輸出結果為：

0:01:20.273247
30003 [5, 6, 7, 7, 7] [492, 492, 492, 493, 495] [6665, 6665, 6666, 6668, 6668]

80 秒！冒泡排序的測試結果證明，隨機元素的列表排序比規律元素的列表排序費時更久。

選擇排序（兩層 for）

def selections(nums):
    for i in range(len(nums)):
        min_index = min(nums)  # 最小值
        for j in range(len(nums) - i):
            if nums[min_index] < nums[j]:
                min_index = j
        nums[min_index], nums[len(nums) - i - 1] = nums[len(nums) - i - 1], nums[min_index]
    return nums


start_time = datetime.now()
res = selections(data)

print(datetime.now() - start_time)
print(len(res), res[:5], res[700:705], res[10000:10005])

得到的結果為：

0:01:07.171114
30003 [6, 6, 7, 7, 8] [444, 445, 445, 446, 447] [6652, 6654, 6654, 6654, 6654]

本次耗時 67 秒，而之前使用規律的值排序時耗時約 47 秒。選擇排序（兩層 for）的測試結果同樣證明了隨機元素的列表排序比規律元素的列表排序費時更久。

選擇排序（min max）

start_time = datetime.now()
res = []
for i in range(0, len(data)):
    aps = min(data)
    data.remove(aps)
    res.append(aps)
print(datetime.now() - start_time)
print(len(res), res[:5], res[700:705], res[10000:10005])

運行后得到的輸出結果為：

0:00:10.102158
30003 [5, 6, 6, 7, 7] [443, 443, 443, 444, 444] [6645, 6646, 6649, 6650, 6650]

這一次耗時 10 秒，甚至比之前規律元素排序耗費的 14 秒更省時間。

插入排序

def direct_insert(nums):
    # 崔慶才丨靜覓、韋世東丨奎因 邀請你關注微信公眾號【進擊的Coder】
    for i in range(1, len(nums)):
        temp = nums[i]  # temp變量指向尚未排好序元素（從第二個開始）
        j = i-1  # j指向前一個元素的下標
        while j >= 0 and temp < nums[j]:
            # temp與前一個元素比較，若temp較小則前一元素后移，j自減，繼續比較
            nums[j+1] = nums[j]
            j = j-1
            nums[j+1] = temp  # temp所指向元素的最終位置
    return nums


start_time = datetime.now()
res = direct_insert(data)
print(datetime.now() - start_time)
print(len(res), res[:5], res[700:705], res[10000:10005])

運行后得到的輸出結果為：

0:00:57.681174
30003 [5, 6, 6, 7, 7] [455, 456, 459, 459, 460] [6647, 6649, 6649, 6649, 6649]

這一次插入排序的速度再不是快的離譜了，在猜想范圍之內。

迷霧散去

相比上一次使用非常規律的 [ i for i in range(3000)]，這一次使用 randint 生成的列表肯定是非常不規律的：

print(data[:20])

打印列表前 20 的元素，得到結果為：

[13698, 19871, 8468, 8735, 3473, 510, 788, 5070, 14585, 13324, 11743, 4310, 16460, 7102, 1900, 16608, 12342, 9724, 1482, 19609]

這些元素的值有百位、千位、萬位，證明了它們確是是不規律的。

多次測試得到的結果都相差無幾，在以上幾種排序的測試中，3 萬左右的數據量排序最快的是選擇排序（min max），它的排序速度保持在 10 秒內。