排序－快速/归并

• 前言：
  
  
• 
  
  

1 快速排序

快速排序（英语：Quicksort），又称划分交换排序（partition-exchange sort），通过一趟排序将要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外一部分的所有数据都要小，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。

步骤为：

从数列中挑出一个元素，称为"基准"（pivot），

重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。
在这个分区结束之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。

递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会结束，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

def quick_sort(alist, start, end):
    """快速排序"""
​
    # 递归的退出条件
    if start >= end:
        return
​
    # 设定起始元素为要寻找位置的基准元素
    mid = alist[start]
​
    # low为序列左边的由左向右移动的游标
    low = start
​
    # high为序列右边的由右向左移动的游标
    high = end
​
    while low < high:
        # 如果low与high未重合，high指向的元素不比基准元素小，则high向左移动
        while low < high and alist[high] >= mid:
            high -= 1
        # 将high指向的元素放到low的位置上
        alist[low] = alist[high]
​
        # 如果low与high未重合，low指向的元素比基准元素小，则low向右移动
        while low < high and alist[low] < mid:
            low += 1
        # 将low指向的元素放到high的位置上
        alist[high] = alist[low]
​
    # 退出循环后，low与high重合，此时所指位置为基准元素的正确位置
    # 将基准元素放到该位置
    alist[low] = mid
​
    # 对基准元素左边的子序列进行快速排序
    quick_sort(alist, start, low-1)
​
    # 对基准元素右边的子序列进行快速排序
    quick_sort(alist, low+1, end)

最优时间复杂度：O(nlogn)
最坏时间复杂度：O(n^2)
稳定性：不稳定

从一开始快速排序平均需要花费O(n log n)时间的描述并不明显。但是不难观察到的是分区运算，数组的元素都会在每次循环中走访过一次，使用O(n)的时间。在使用结合（concatenation）的版本中，这项运算也是O(n)。

在最好的情况，每次我们运行一次分区，我们会把一个数列分为两个几近相等的片段。这个意思就是每次递归调用处理一半大小的数列。因此，在到达大小为一的数列前，我们只要作log n次嵌套的调用。这个意思就是调用树的深度是O(log n)。但是在同一层次结构的两个程序调用中，不会处理到原来数列的相同部分；因此，程序调用的每一层次结构总共全部仅需要O(n)的时间（每个调用有某些共同的额外耗费，但是因为在每一层次结构仅仅只有O(n)个调用，这些被归纳在O(n)系数中）。结果是这个算法仅需使用O(n log n)时间。

2 归并排序

归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。

所谓“分”，指的是将一个乱序数列不断进行二分，得到许多短的序列。
所谓“治”，指的是将这些短序列进行两两合并，然后将合并的结果作为新的序列，再与其他序列进行合并，最终得到一个新的序列。

归并排序算法描述

把长度为n的输入序列分成两个长度为n/2的子序列；
对这两个子序列分别采用归并排序；
将两个排序好的子序列合并成一个最终的排序序列。

def merge_sort(alist):
    """归并排序"""
    n = len(alist)
    #递归结束条件
    # 剩一个或没有直接返回，不用排序
    if n <= 1:
        return alist
    # 拆分
    mid = n//2
​
    # left 采用归并排序后形成的有序的新的列表
    left_li = merge_sort(alist[:mid])
​
    # right 采用归并排序后形成的有序的新的列表
    right_li = merge_sort(alist[mid:])
​
    # 将两个有序的子序列合并为一个新的整体
    # merge(left, right)
    left_pointer, right_pointer = 0, 0
    result = []
​
    while left_pointer < len(left_li) and right_pointer < len(right_li):
        if left_li[left_pointer] <=  right_li[right_pointer]:
            result.append(left_li[left_pointer])
            left_pointer += 1
        else:
            result.append(right_li[right_pointer])
            right_pointer += 1
     
    #将两个列表按顺序融合为一个列表result
    result += left_li[left_pointer:]
    result += right_li[right_pointer:]
    return result

时间复杂度：O(nlogn)
归并排序把数组一层层折半分组，长度为 n 的数组，折半层数就是 logn，每一层进行操作的运算量是 n，得出时间复杂度 O(nlogn)。

空间复杂度：O(n)
每次归并操作需要创建额外的新数组，占用空间为 n，但这部分额外空间会随着方法的结束而释放，所以只需要算单次归并操作开辟的空间即可，
得出空间复杂度 O(n)。

稳定性：稳定
从算法中从左到右逐一比较，较小的先放入新数组，所以两个值相同的元素，排序后依然保持原先后顺序。

归并排序是一种稳定的排序方法。和选择排序一样，归并排序的性能不受输入数据的影响，但表现比选择排序好的多，
因为始终都是O(nlogn）的时间复杂度。代价是需要额外的内存空间。