数据结构与算法10-排序2

1.归并排序

def merge(nums1, nums2):
    i = 0
    j = 0
    res = []
    while i < len(nums1) and j < len(nums2):
        if nums1[i] > nums2[j]:
            res.append(nums2[j])
            j += 1
        else:  # 相等时，先放左边数组的数据，这样才是稳定排序。
            res.append(nums1[i])
            i += 1
    res += nums1[i:]
    res += nums2[j:]
    return res

def merge_sort(lists):
    if len(lists) < 2:  # 归并与快排递归结束条件一致
    # 拆分到单独一个
        return lists
    mid = len(lists)//2
    left = merge_sort(lists[:mid])
    right = merge_sort(lists[mid:])
    return merge(left, right)

将一段长文本分到最小格，需要logn，而小格排序则需要n，所以归并时间复杂度为nlogn。

2.快速排序

def quick_sort(arr):
    """快速排序"""
    if len(arr) < 2:  # 归并与快排递归结束条件一致
    # 如果为1，下面的大部分步骤也不会执行
        return arr
    # 选取基准，随便选哪个都可以，选中间的便于理解
    mid = arr[0]
    # 定义基准值左右两个数列
    left, right = [], []
    # 从原始数组中移除基准值
    for item in arr[1:]:
        # 大于基准值放右边
        if item >= mid:
            right.append(item)
        else:
            # 小于基准值放左边
            left.append(item)
    # 使用迭代进行比较
    return quick_sort(left) + [mid] + quick_sort(right)

注意快排的思想和实现方法的区别。

3.归并、快排对比

4.拓展- Top K 问题使用快排思路 O(n) - 重要

$q=1/2$，等比数列求和，当n很大的时候，$q^n$相当于木有了，所以最后是2n-1。

5.小结