【数据结构笔记】快速排序（quickSort）和快速选择(findKthLargest)--Python3

要理解快排，可参考https://www.cnblogs.com/MOBIN/p/4681369.html，此处只有代码。

快速排序

复杂度分析：https://www.cnblogs.com/MOBIN/p/4681369.html

算法分析：
1.当分区选取的基准元素为待排序元素中的最大或最小值时，为最坏的情况，时间复杂度和直接插入排序的一样，移动次数达到最大值
Cmax = 1+2+…+(n-1) = n*(n-1)/2 = O($n^2$) 。此时最好时间复杂为O($n^2$)
2.当分区选取的基准元素为待排序元素中的"中值"，为最好的情况，时间复杂度为O($nlo{g}_{2}n$)。
3.快速排序的空间复杂度为O($lo{g}_{2}n$).
4.当待排序元素类似[6,1,3,7,3]且基准元素为6时，经过分区，形成[1,3,3,6,7],两个3的相对位置发生了改变，所是快速排序是一种不稳定排序。

PYTHON3

def quickSort(nums, start, end): 
    if start < end:
        l, r = start, end 
        temp = nums[l]      
        while l < r:
            while (l < r) and (nums[r] >= temp):
                r -= 1
            nums[l] = nums[r]
            while (l < r) and (nums[l] <= temp):
                l += 1
            nums[r] = nums[l]
        nums[l] = temp 
        partition(nums, start, l-1)
        partition(nums, l+1, end)

快速选择

Leetcode 215. 数组中的第K个最大元素
输出数组中第K大的值。

算法复杂度 O(n) < O < O($n^2$)

#首先要明确，此题目求的是 第K个最大元素，就是说将数据进行从小到大排序，倒数第K个元素。
class Solution:
    def partition(self, nums, left, right): #一次排序
        temp = nums[left]
        while left < right:
            while (left < right) and (nums[right] >= temp):
                right -= 1
            nums[left] = nums[right]
            while (left < right) and (nums[left] <= temp):
                left += 1
            nums[right] = nums[left]
        nums[left] = temp 
        return left  #left左边的数字比left小
   
    def findKthLargest(self, nums: List[int], k: int) -> int:
        return self.select(nums, 0, len(nums)-1, k)

    def select(self, nums, left, right, k):
        p = self.partition(nums, left, right)
        m = right - p + 1
        if m == k :
            return nums[p]
        if k > m: #此元素在左边
            return self.select(nums, left, p-1, k-m)
        else: #此元素在右边
            return self.select(nums, p+1, right, k)