5-8课：认识分治，并实现迭代式快速排序算法

快速排序的空间复杂度

我们知道，一个算法的性能，主要是有时间复杂度和空间复杂度两个方面。

上一章说了前者，该说说后者了，快速排序的空间复杂度是多少呢？

所谓空间复杂度，就是对在排序过程中需要的临时存储的大小的衡量，可以用大 $O$ 符号下临时存储对应的元素个数来表示。

快排的哪个步骤需要临时存储呢？当然是在分区的时候——原本长度为 $n$ 的数列，我们先取一个数出来当“轴”，然后再把原数列分为左区和右区。这个时候需要多少临时存储呢？

分区函数的时间复杂度，和具体的实现方法有关。不同的实现方法，差别巨大。

先给大家剧透一下，其实分区函数可以比较精巧，使得空间复杂度为 $O(1)$，不过这种实现方法有些难度，我们放在几章之后再讲。

今天先实现一个虽然空间复杂度有点大，但却非常直观的分区函数。

简单粗暴的分区函数

我们先来看看最简单粗暴的分区办法：为每个子分区新开辟一块空间，要多少开多少！

如果直接把这一方法转化成代码，那么会是下面这样：

def partition(arr):
    if (len(arr) < 2): # 待分区数列长度为1或者0
        return arr, None, None # 直接返回其本身作为左分区，再返回一个空的轴和一个空list作为右分区

    leftPartition = []
    rightPartition = []
    pivot = arr[0] # 将当前数列中的第一个元素作为“轴”

    for i in range(1, len(arr)):
        if (arr[i]