选择排序算法详解（含Python实现）

选择排序（Selection Sort）是最基础的排序算法之一，虽然效率不高，但逻辑简单、易于实现，非常适合排序入门学习。本文将详解其原理、执行过程、Python代码、复杂度分析等内容。

📌一、算法原理

核心思想：

每一轮从待排序区间中找出最小（或最大）元素，放到已排序区间的末尾，重复进行。

流程如下：

1. 每次遍历剩余数组，找到当前最小值的下标。

2. 与当前轮的起始位置交换。

3. 重复 n 次后，整个数组即为有序。

🧪二、Python 代码实现（选择排序）

以下是我写的代码：

def select_sort(arr):n = len(arr)for i in range(n):min_index = i# 在 [i+1, n) 中找最小元素的下标for j in range(i + 1, n):if arr[j] < arr[min_index]:min_index = j# 交换当前位置和最小值的位置arr[i], arr[min_index] = arr[min_index], arr[i]return arr# 示例数组
arr = [29, 10, 14, 37, 13]
print('select_sorted:', select_sort(arr))

输出示例： 

select_sorted: [10, 13, 14, 29, 37]

🔍三、代码过程详解

以 [29, 10, 14, 37, 13] 为例：

第1轮：

• 起始索引 i = 0，最小值为 10（索引1）

• 交换 29 和 10 → [10, 29, 14, 37, 13]

第2轮：

• i = 1，最小值为 13（索引4）

• 交换 29 和 13 → [10, 13, 14, 37, 29]

第3轮：

• i = 2，最小值为 14 → 无需交换

第4轮：

• i = 3，最小值为 29（索引4）

• 交换 37 和 29 → [10, 13, 14, 29, 37]

⏱️四、时间复杂度分析 

情况	时间复杂度	说明
最好情况	O(n²)	仍需 n 次选择和比较
最坏情况	O(n²)	与最好一样，无法提前终止
平均情况	O(n²)	所有情况均需两层遍历

• 空间复杂度：O(1)，原地排序。

• 稳定性：不稳定，例如 [5, 5, 3] 会交换两个 5 的相对位置。

🎯五、选择排序 vs 冒泡排序 

特性	选择排序	冒泡排序
是否稳定	❌ 不稳定	✅ 稳定
比较次数	固定 O(n²)	最好 O(n)
交换次数	最少（O(n)）	最多（O(n²)）
适用场景	交换代价大时	对稳定性要求高时

🔧六、选择排序的改进方向

尽管选择排序简单易懂，但其性能在大数据量场景中较差。改进方向包括：

• 双向选择排序（每轮找最大和最小）

• 使用堆结构替代线性扫描

• 实际开发中，建议使用快排或内置排序

🧠七、总结

选择排序的思路是“先选最小，再放前面”，虽然效率不高，但非常适合初学者理解排序机制。掌握此算法是理解更复杂排序（如堆排序）的基础。