Evernote Export

演算法的思想是能省則省，記憶體能少則少，時間執行能少儘量少 堆排序的時間複雜度O(nlogn) 堆排序的內建模組heapq 常用函式 heapify(x) heappush(heap, item) heappop(heap) topkey問題 現在有n個數，設計演算法得到前k大的數(k>n)

解決思路：      排序後切片  O(nlogn)
    排序lowB三人組 O(kn)
    堆排序 O(nlogk)
堆排序解決思路     取列表前k個元素建立一個小根堆，堆頂就是目前第k大的數
    一次向後遍歷原列表，對於列表中的元素，如果小於堆頂，則忽略該元素，如果大於堆頂，則將堆頂更換為該元素，並且對堆進行一次調整

歸併排序 假設現在的列表分兩段有序，如何將其合成為一個有序列表 歸併排序 分解：將列表越分越小，直至分成一個元素 終止條件：一個元素是有序的 合併：將兩個有序列表歸併，列表越來越大

---

三種排序演算法小結 時間複雜度都是O(logn) 一般情況下，就執行時間而言：快速排序<歸併排序<堆排序 三種排序演算法的缺點： 快速排序：極端情況下排序效率低 歸併排序：需要額外的記憶體開銷 堆排序：在快的排序演算法中相對較慢  

排序方法	時間複雜度			空間複雜度	穩定性	程式碼複雜度
	最壞情況	平均情況	最好情況
氣泡排序	O(n^2)	O(n^2)	O(n)	O(1)	穩定	簡單
直接選擇排序	O(n^2)	O(n^2)	O(n^2)	O(1)	不穩定	簡單
直接插入排序	O(n^2)	O(n^2)	O(nlogn)	O(1)	穩定	簡單
快速排序	O(n^2)	O(nlogn)	O(nlogn)	平均情況O(logn); 最壞情況O(n)	不穩定	較複雜
堆排序	O(nlogn)	O(nlogn)	O(nlogn)	O(1)	不穩定	複雜
歸併排序	O(nlogn)	O(nlogn)	O(nlogn)	O(n)	穩定	較複雜