最近在某网站上看到一个视频，是关于排序算法的可视化的，看着挺有意思的，也特别喜感。
▼
6分钟演示15种排序算法
附上源码链接：
（觉得不错，记得帮忙点个star哦）
下面具体讲解以下实现的思路，大概需要解决的问题如下：
一、如何表示数组
二、如何得到随机采样数组，数组有无重复数据
假设我希望数组长度是100，而且我希望数组的大小也是在[0,100)内，那么如何得到100个随机的整数呢？可以用random库。
示例代码：
importrandomdata=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]
但是以上代码有个问题，random.choices是对一个序列进行重复采样，得到的数组存在重复数据，那如果不希望存在重复数据，而是希望进行无重复采样，怎么办？
可以用random.sample函数，示例代码：
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]
这样就可以得到无重复采样数据了。
三、如何实现排序算法
算法种类较多，就不一一举例；再次就以希尔排序(ShellSort)为例讲讲：
尔排序的原理：希尔排序(ShellSort)是插入排序的一种。也称缩小增量排序，是直接插入排序算法的一种更高效的改进版本。
希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。
基础的插入法排序是两重循环，希尔排序是三重循环，最外面一重循环，控制增量gap，并逐步减少gap的值。二重循环从下标为gap的元素开始比较，依次逐个跨组处理。最后一重循环是对组内的元素进行插入法排序。这样进行排序的优点在于每次循环，整个序列的元素都将小元素的值逐步向前移动，数值比较大的值向后移动。
fromdataimportDataSeqdefShellSort(ds):assertisinstance(ds,DataSeq),"TypeError"Length=ds.lengthD=Length//2whileD>0:i=0whilei
四、如何把数组可视化出来
有了随机数组初始化方法，再实现好排序函数，我们还差一步，就是把排序函数中每次移动数组后将数组可视化并输出。
对数组进行可视化，很容易想到Python的可视化工具matplotlib！但是在项目中我并没有用matplotlib，而是用了numpy+opencv。
为什么不用matplotlib？
因为在排序过程中，每次修改数组，都希望能够实时修改图片并输出，matplotlib确实很方便，但是matplotlib的效率实在是不高，而且每次修改数组前后的两幅图片其实是差不多的。如果用matplotlib，每次都是要重新绘制图片，非常耗时！！！
所以考虑自己生成图片，在每次修改数组后，只将图片中改动的那两列进行修改即可！这样就比用matplotlib每次重新绘制图片效率高得多！
数组中主要有两种操作，一种是对某个idx赋值，一种是交换某两个idx的值。
classDataSeq: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):passdefGetfigure(self):_bar_width=5figure=np.full((self.length*_bar_width,self.length*_bar_width,3),255,dtype=np.uint8)foriinrange(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_widthself.figure=figuredef_set_figure(self,idx,val):min_col=idx*self._bar_widthmax_col=min_col+self._bar_widthmin_row=-1-val*self._bar_widthself.figure[:,min_col:max_col]=self.WHITEself.figure[min_row:,min_col:max_col]=self.GetColor(val,self.length)defSetVal(self,idx,val):self.data[idx]=valself._set_figure(idx,val)self.Visualize((idx,))defSwap(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))
详细代码见github：
（就等你的小小star）其他的都没有什么了，有细节的问题可以在我的github下面留言勾搭。
最后附上一张效果图：
◆
CTA核心技术及应用峰会
5月25-27日，由中国IT社区CSDN与数字经济人才发展中心联合主办的第一届CTA核心技术及应用峰会将在杭州国际博览中心隆重召开，峰会将围绕人工智能领域，邀请技术领航者，与开发者共同探讨机器学习和知识图谱的前沿研究及应用。