快排:采用分治思想
- 核心为分区函数partition,partition用于返回基准值的位置pivot,partition的实现:通常以当前首元素为基准值pivot_value,先从right右指针开始查找直到找到小于该基准值的元素,将其放在基准值左边,再从left指针开始查询直到找到大于基准值的元素,将其放在基准值右边,最后left=right跳出循环,此时的left/right即为基准值的位置,将基准值放于该位置,最后返回该位置,left/right
- 对分区函数返回的基准值位置的左右区间进行同样的递归处理
#quick_sort, 原地排序
def quick_sort(arr,left,right):
if left<right:
pivot=partition(arr,left,right)
quick_sort(arr,left,pivot-1)
quick_sort(arr,pivot+1,right)
return arr
def partition(arr,left,right):
pivot_value=arr[left] #记录基准值位置
while left<right:
while left<right and arr[right]>=pivot_value:
right-=1 #先右,不断搜索,直到在右边找到小于基准值的元素
arr[left]=arr[right]
while left<right and arr[left]<=pivot_value:
left+=1 #后左
arr[right]=arr[left]
#循环结束后,left=right,即为基准值的位置
arr[left]=pivot_value
return left
归并排序:采用分治,及二分法思想
- 通过二分法,将元素拆分为左右区间,递归拆分,直至不能拆分
- 核心为合并函数merge函数,merge:对当前拆分的左右区间的元素进行合并
#merge_sort
def merge_sort(arr,left,right):
mid=(left+right)//2
merge_sort(arr,left,mid)
merge_sort(arr,mid+1,right)
merge(arr,left,mid,right)
def merge(arr,left,mid,right):
p1,p2=left,mid+1 #p1指向左区间的首个元素,p2指向右区间的首个元素
temp=[]
while p1<=mid and p2<=right:
if arr[p1]>arr[p2]:
temp.append(arr[p2])
p2+=1
else:
temp.append(arr[p1])
p1+=1
if p1<=mid:
temp.extend(temp[p1:mid+1])
if p2<=right:
temp.extend(temp[p2:right+1])
arr[left:right]=temp[:]