快速排序算法详解及Python实现

目录

引言

快速排序算法步骤

快速排序的Python实现

性能分析

注意事项

---

引言

快速排序（Quick Sort）是一种高效的排序算法，由C. A. R. Hoare在1960年提出。它的基本思想是：通过一趟排序将待排序的数据分割成独立的两部分，其中一部分的所有数据都比另一部分的所有数据要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。

快速排序算法步骤

1. 选择基准值（Pivot）：从数组中挑出一个元素，称为“基准”（pivot）。
2. 分区操作（Partition）：重新排序数列，所有比基准值小的元素摆放在基准前面，所有比基准值大的元素摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
3. 递归排序子序列：递归地将小于基准值元素的子序列和大于基准值元素的子序列排序。

快速排序的Python实现

下面是快速排序算法的Python实现代码：

def quick_sort(arr):  
    if len(arr) <= 1:  
        return arr  
    else:  
        pivot = arr[len(arr) // 2]  # 选择中间元素作为基准  
        left = [x for x in arr if x < pivot]  # 所有小于基准的元素  
        middle = [x for x in arr if x == pivot]  # 所有等于基准的元素  
        right = [x for x in arr if x > pivot]  # 所有大于基准的元素  
        # 递归排序左右两部分，然后与中间部分合并  
        return quick_sort(left) + middle + quick_sort(right)  
  
# 测试代码  
if __name__ == "__main__":  
    arr = [10, 7, 8, 9, 1, 5]  
    sorted_arr = quick_sort(arr)  
    print("Sorted array is:", sorted_arr)

性能分析

• 时间复杂度：平均情况下为O(n log n)，但在最坏情况下（数组已经有序或完全逆序）时间复杂度为O(n^2)。
• 空间复杂度：主要为递归调用栈的空间，平均情况下为O(log n)，最坏情况下为O(n)。
• 稳定性：快速排序是不稳定的排序算法，因为相同的元素可能在排序过程中被交换位置。

注意事项

• 基准值的选择对快速排序的性能有很大影响。上述实现中，我们选择了中间元素作为基准，但在实际应用中，可能会根据具体情况选择随机元素或三数中值分割等方法来优化性能。
• 快速排序是一种原地排序算法，除了递归调用栈所需的栈空间外，不需要额外的存储空间。

希望这篇文章能帮助你更好地理解快速排序算法及其Python实现！如果有任何问题或需要进一步讨论，请随时在评论区留言。