排序算法列表电梯：
插入排序算法(Insertion Sort)：详见《算法4》2.1 - 插入排序算法(Insertion Sort), Python实现
插入排序算法和选择排序算法的复杂度分析:
插入排序和选择排序都有两层循环，外循环遍历整个数组，内循环稍有区别：
- 选择排序的内循环是遍历一组未排过序的数组，
- 插入排序的内循环是遍历一组已排过序的数组，
在此基础上，进行比较或交换。看起来已经排序过的数组中进行插入会感觉性能要好一点，实际未必，这要看数组的具体情况，比如最坏情况下所有数组元素都得过一遍。
插入排序在插入的时候可以做交换操作，也可以不做交换。
改进插入排序算法可以使用二分法等，这里只探讨普通的插入排序。
算法复杂度
| 算法 | 最好情况 | 最坏情况 |
|---|---|---|
| 选择排序 | 交换0次，比较n(n-1)/2次 | 交换N次 |
| 插入排序 | 交换0次，比较N-1次 | 交换n(n-1)/2次，比较n(n-1)/2次 |
看过一些教材，普遍说插入排序算法比选择排序要快，实际上从上面的分析可以看出，其实二者的复杂度差不多，都是O(N平方)。后面的代码实现测试中也证实了这一点。
插入排序和选择排序算法的比较：
我们的python测试程序，考虑了不同大小的数组排序:
- 1000
- 10000
- 20000
每种又考虑了三种情况：
- 随机生成数
- 最好情况：原数组已从小到大排好
- 最坏情况：原数组已从大到小排好
并与python自带的sort方法作了比较。
完整代码如下：
sizes = [
1000,
5000,
10000
]
for size in sizes:
# random generation of items to be sorted
items = range
print "-"*10 + "sorting numbers" + "-"*10
items = []
for i in range(0,size):
items.append(random.randint(2,999))
#print "original items: %r" % items
# the worse case
items_worse = range (size-1,-1,-1)
# the best case
items_best = range(0,size)
to_be_sorted = [
("random case",items),
("worse case",items_worse),
("best case",items_best)
]
def duration(sort_method):
# calculate execution time for our selection sort method
start = time.clock()
sort_method.sort()
end = time.clock()
duration = end - start
return duration
for item in to_be_sorted:
temp = copy.deepcopy(item) # for reversing use after a certain sort
print "-"*10 + item[0] + "-"*10
# calculate duration for insertion sort
insertion_sort = InsertionSort(item[1])
dinsertion = duration(insertion_sort)
item = temp
# calculate duration for selection sort
selection_sort = SelectionSort(item[1])
dselection = duration(selection_sort)
item = temp
# calculate duration for python builtin sort
dpython = duration(item[1])
print "%s: %ds" % ("insertion sort",dinsertion)
print "%s: %ds" % ("selection sort",dselection)
print "%s: %ds" % ("python built-in",dpython)
运行结果：
size = 1000：挺不错，都是毫秒级，但是看不出区别
----------random case----------
item len: 1000
insertion sort: 0s
selection sort: 0s
python built-in: 0s
----------worse case----------
item len: 1000
insertion sort: 0s
selection sort: 0s
python built-in: 0s
----------best case----------
item len: 1000
insertion sort: 0s
selection sort: 0s
python built-in: 0s
size=10000: 有区别了，但是很少，1s差别。不过可以明显看出，最好情况下选择排序却用了6s多，最坏情况下，插入排序比选择排序慢了。
----------random case----------
item len: 10000
insertion sort: 6s
selection sort: 7s
python built-in: 0s
----------worse case----------
item len: 10000
insertion sort: 8s
selection sort: 7s
python built-in: 0s
----------best case----------
item len: 10000
insertion sort: 0s
selection sort: 6s
python built-in: 0s
size=20000: 两种排序算法的耗时都明显提高了，但差别除了最好情况，差别仍然不大，基本说明二者的复杂度是差不多的。python自带的sort方法仍是毫秒级，过段时间等其他排序算法学了后研究下源码。
----------random case----------
item len: 20000
insertion sort: 30s
selection sort: 33s
python built-in: 0s
----------worse case----------
item len: 20000
insertion sort: 39s
selection sort: 33s
python built-in: 0s
----------best case----------
item len: 20000
insertion sort: 0s
selection sort: 32s
python built-in: 0s
