归并排序和希尔排序的基本思想
1. 选择排序
（1）原理：首先在未排序的序列里找到最小(大)元素，放到序列的首端，再从剩余元素中找到最小(大)的元素，放到序列的尾端。依次循环，直到排序完成。
（2）时间复杂度：选择排序交换此处是处于0-（n-1）次之间，需要比较n(n-1) / 2次，赋值操作次数在0-3(n-1)次之间，因此平均时间复杂度为O(n**2)
（3）空间复杂度：算法的空间复杂度并不是计算实际占用的空间，而是计算整个算法的辅助空间单元的个数，与问题的规模没有关系。算法的空间复杂度S(n)定义为该算法所耗费空间的数量级。选择排序只是元素交换是占用了定量的空间，与N无关，空间复杂度为O(1),即为常数。
（4）Python实现代码
# 非递归实现
def selectSorting(myList):
"选择排序，接收一个数组或列表，每次找出最小的元素放在最前面，下一次循环就可以不考虑已经选好的最小元素"
k = 0 # 计数器，测试使用，每交换一次元素，k值加1
for i in range(len(myList)-1):
temp = myList[i] # 保存第i个数据，以备后面进行元素值交换
min_val = myList[i] # 设第i个数为最小
min_val_idx = i
for j in range(i+1,len(myList)):
if myList[j] < min_val: # 寻找最小数据
min_val = myList[j]
min_val_idx = j
# 找到最小数据后，交换第i个数和第min_val_idx个数
if i != min_val_idx:
k += 1
myList[i] = min_val
myList[min_val_idx] = temp
print("非递归选择排序共进行了",k,'次交换')
return myList
list1 = [2,83,4,5,1,7,6,99,87,100]
print(selectSorting(list1))
非递归选择排序共进行了 4 次交换
[1, 2, 4, 5, 6, 7, 83, 87, 99, 100]
2. 快速排序
（1）原理：快速排序的基本思想就是从一个数组中任意挑选一个元素（通常来说会选择最左边的元素）作为基准数，将剩下的元素和基准数进行比较，将小于等于中轴元素的放到基准数的左边，将大于中轴元素的放到基准数的右边，然后以当前基准数的位置为界，将左半部分子数组和右半部分子数组看成两个新的数组，重复上述操作，直到子数组的元素个数小于等于1。
（2）时间复杂度：在最优的情况下，快速排序算法的时间复杂度为O(nlogn)，最糟糕的情况下是O(n**2)
(3) Python实现代码：
key的选择可以优化
！
g2n
# 递归实现
def fastSorting(myList,left,right):
"""myList ---- 将要被排序的列表
left --- 记录列表的起始位置
right --- 记录列表的末尾位置
每次循环要将小于key的数字放在key左边，大于key的数字放在key的右边
"""
if left < right:
key = myList[left] # 初始时选择列表的第一个数字作为基准数
i = left+1; j = right # i是从左扫描的位置，j是从右扫描的位置
while i <= j:
while i <= j and myList[j] > key :
j -= 1 # 从后面开始找，找到比key值小的数为止
while i <= j and myList[i] <= key:
i += 1 # 从前面开始找，找到比key值大的数为止
if i < j:
temp = myList[i]
myList[i] = myList[j] # 将该数放到key值的左边
myList[j] = temp #将该数放到key值的右边
i += 1 # 每次完成交换，左侧扫描的位置向右移动一位，右侧扫描的位置向左移动一位
j -= 1
# 当循环结束时，j指向的元素是最后一个（从左边算起）小于等于key的元素
myList[left] = myList[j]
myList[j] = key # 把key值填充到left位置，下次重新找key值
fastSorting(myList,left,j-1) #递归左半部分
fastSorting(myList,j+1,right) #递归右半部分
return myList
myList = [12,83,4,5,1,7,6,99,87,100]
fastSorting(myList,0,len(myList)-1)
print(myList)
[1, 4, 5, 6, 7, 12, 83, 87, 99, 100]