AnCyDyJa/sorting.py

"""
Carlos J Corrada Bravo
Este programa calcula el promedio de tiempo de ejecucion de cuatro algoritmos de ordenamiento
La variable maxValor define el valor maximo de los elementos de la lista
La variable largoLista define el largo de las listas a ordenar
La variable veces define las veces que se va a hacer el ordenamiento 
Al final se imprimen los promedios de cada algortimo
"""
from random import randint
import time
from copy import deepcopy
import sys
from heapq import heapify, heappush

# This function was created to prevent program from stopping before recursion finished
# Changes python's recursion limit
class recursion_depth:
    def __init__(self, limit):
        self.limit = limit
        self.default_limit = sys.getrecursionlimit()

    def __enter__(self):
        sys.setrecursionlimit(self.limit)

    def __exit__(self, type, value, traceback):
        sys.setrecursionlimit(self.default_limit)

# Mergesort algorithm
def mergeSort(lista): # Ángel G. Romero Rosario on 10082022
	
	def merge(l1, l2):
		if len(l1) == 0:
			return l2
		elif len(l2) == 0:
			return l1
		elif l1[0] < l2[0]:
			return l1[0:1] + merge(l1[1:],l2)       # If l1[0] < l2[0] save l1[0] first to the list and call the function again
		else:
			return l2[0:1] + merge(l1, l2[1:])		# If l2[0] < l1[0] save l2[0] first to the list and call the function again
	
	if len(lista) <= 1:								# If there are no more items, return lista
		return lista

	else:
		mid = len(lista) // 2 						# Find the middle in lista and call function to merge lista
		return merge(mergeSort(lista[:mid]), mergeSort(lista[mid:]))

def heapSort(lista):
	#definan el algoritmo de ordenamiento heapsort
	# Dylan A. Cedres Rivera

	# Nuevo heap para insertar los elementos de lista creada con numeros aleatorios
	myHeap = []
	heapify(myHeap)

	# Se copian los elementos de lista al heap y se ordenan de menor a mayor los elementos con cada push.
	# Todos los elementos se les asigna un signo contrario al que tienen, para poder crear un MaxHeap, de manera
	# 	que los numeros mas grandes se convierten en los mas pequenos.
	# Si se quiere hacer un MinHeap, la instruccion de multiplicar por -1 no es neceseria 
	for element in lista:
		heappush(myHeap, -1 * element)

	# print("lista antes de 'heapificar'", lista)


	# Este loop se utiliza para crear un MaxHeap, de manera que le devuelve el signo original que tenian los 
	#	elementos antes de que se anadieran al heap.
	# Esto significa que los elementos mas pequenos, se convierten en los mas grandes, dejando la forma de un MaxHeap,
	#	con el numero mas grande quedando como el nodo padre del arbol binario.
	# Si se quiere hacer un MinHeap, este loop no se necesita. 
	for i in range(len(myHeap)):
		myHeap[i] = myHeap[i] * -1

	# print("lista 'heapificada'", myHeap)
	
	# Copia los elementos del heap ordenado de vuelta a la lista inicialmente generada y la devuelve
	lista = myHeap
	return lista

	return lista

def quickSort(lista):
	#definan el algoritmo de ordenamiento quicksort
	if(len(lista) != 0):
    		if(len(lista) == 1):
      			return lista
    		else:
      			p = lista[0]

      			for i in lista[1:]:
        			if(p > i):
          				x = i
          				del lista[lista.index(i)]
          				lista.insert(lista.index(p), x)
 
      			l = quickSort(lista[ :lista.index(p)])
      			m = quickSort(lista[lista.index(p) + 1:])

      			if(m != None and l != None):
        			return l + lista[lista.index(p):lista.index(p) + 1] + m

      			elif(m == None):
        			return l + lista[lista.index(p):lista.index(p) + 1]

      			elif(l == None):
        			return lista[lista.index(p):lista.index(p) + 1] + m

# inplace
# complexity: O(N^2)
def shellSort(lst):
    # initial gap
    gap = len(lst)

    while 0 < gap:
        # sort every sublist with given gap
        for start in range(gap):
            f = range(start, len(lst), gap)
            s = range(start + gap, len(lst), gap)

            # bubble sort on sublist
            swapped = True
            while swapped:
                swapped = False

                # iterate through every adjacent pair in sublist
                for c, n in zip(f, s):
                    if lst[n] < lst[c]:
                        lst[c], lst[n] = lst[n], lst[c]
                        swapped = True

        # reduce gap towards 0
        gap = gap // 2

    return lst

# timeCode function/thunk -> (duration, return value)
# measures the time it takes for a function/thunk to return
def timeCode(fn):
	t1 = time.perf_counter()
	res = fn()
	duration = time.perf_counter() - t1
	return (duration, res)

maxValor = 1000 	#define el valor maximo de los elementos de la lista
largoLista = 1000   #define el largo de las listas a ordenar
veces = 100 		#define las veces que se va a hacer el ordenamiento

acumulaMerge = 0 	#variable para acumular el tiempo de ejecucion del mergesort
acumulaHeap = 0 	#variable para acumular el tiempo de ejecucion del heapsort
acumulaQuick = 0 	#variable para acumular el tiempo de ejecucion del quicksort
acumulaShell = 0 	#variable para acumular el tiempo de ejecucion del shellsort

for i in range(veces):
	mergelista = [randint(0,maxValor) for r in range(largoLista)] #creamos una lista con valores al azar
	heaplista = deepcopy(mergelista)
	quicklista = deepcopy(mergelista)
	searchlista = deepcopy(mergelista)

	with recursion_depth(1500): # This function excedes python's recursion limit
		acumulaMerge += timeCode(lambda: mergeSort(mergelista))[0]

	acumulaHeap += timeCode(lambda: heapSort(heaplista))[0]
	acumulaQuick += timeCode(lambda: quickSort(quicklista))[0]
	acumulaShell += timeCode(lambda: shellSort(searchlista))[0]

#imprimos los resultados
print(f"Promedio de tiempo de ejecucion de {str(veces)} listas de largo {str(largoLista)}")
print(f"MergeSort {str(acumulaMerge / veces)} segundos")
print(f"HeapSort {str(acumulaHeap / veces)} segundos")
print(f"QuickSort {str(acumulaQuick / veces)} segundos")
print(f"ShellSort {str(acumulaShell / veces)} segundos")