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]