十大经典排序算法之"快速排序"

快速排序让我想了挺久的了，也踩了一些坑，特在此记录把。

算法描述

• 在待排序的数组中选择一个元素作为基准(通常选择第一个元素)，即基准元素；
• 将待排序的元素进行分区，比基准元素大的元素放在基准元素的右边，比基准元素小的元素放在基准元素的左边；
• 对左右两个分区再重新选择基准元素并进行分区，直到整个数组有序。

时间复杂度 (平均)	时间复杂度(最坏)	时间复杂度(最好)	空间复杂度	稳定性
$O(nlo{g}_{2}n)$	$O(n^2)$	$O(nlo{g}_{2}n)$	$O(lo{g}_{2}n)$	不稳定

其实从表格中可以看出快速排序并不是在任何情况下都是最快的，在最坏情况下的复杂度和插入排序、选择排序等一样的，现在简单分析一下:

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: $Cmax=1+2+...+(n-1)=n\ast (n-1)/2=O(n^2)$ ，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$O(nlog2n)$。
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。

当时在步骤2绕了很久，一直想不通如何进行分区，后来看了博客图解快速排序才有了较为清晰的认识，主要的过程如下图所示：


可以看出，快速排序实际上是一个"东拆西补"或者是"西拆东补"的过程。

代码描述

在这里先直接给出python的实现代码啦~~

def quick_sort(arr, orig_left, orig_right):
    left, right = orig_left, orig_right
    if left <= right:                   # 原数组至少有1个元素
        datum_point = arr[left]         # 取待排序数组的第1个元素为基准元素
        while left < right:
            while left < right and arr[right] >= datum_point:
                right -= 1
            arr[left] = arr[right]   # 找到右边第1个小于基准的元素并于左边的替换
            while left < right and arr[left] <= datum_point:
                left += 1
            arr[right] = arr[left]   # 找到左边第1个大于基准的元素并与右边的替换
        arr[right] = datum_point     # 将基准元素归位
        quick_sort(arr, orig_left, right-1)    # 对左边的重复快排
        quick_sort(arr, right+1, orig_right)   # 对右边的重复快排
    return arr

if __name__ == '__main__':
    arr = [54, 26, 93, 17, 77, 31, 44, 55, 20]
    orig_left, orig_right = 0, len(arr)-1
    print(quick_sort(arr, orig_left, orig_right))

我当时有一个困惑就是为什么在左(右)边选了基准元素之后，一定要从另一边开始扫描呢？后来经过画图分析和代码验证，明白了：

如果一开始基准选在左边 datum_point = arr[left]，那么首先应该从右边比较，反之亦然。
因为基准选在左边，相当于左边空出来一个位置用于存放右边小于基准的数，如果一开始就从左边比较，那么右边并没有空出来位置，
当左边扫瞄到大于基准的数，则只能替换掉右边的数，这样右边原来的数就会从数组中移除，导致原数组的元素有所丢失。

参考博客: 图解快速排序 (https://www.cnblogs.com/MOBIN/p/4681369.html)