import random
def swap(lyst,i,j):
lyst[i],lyst[j]=lyst[j],lyst[i]
def quicksort(lyst):
quicksortHelper(lyst,0,len(lyst)-1)
def quicksortHelper(lyst,left,right):
if left<right:
pivotLocation = partition(lyst,left,right)
quicksortHelper(lyst, left, pivotLocation-1)
quicksortHelper(lyst, pivotLocation+1, right)
def partition(lyst,left,right):
middle = (left+right)//2
pivot=lyst[middle]
lyst[middle]=lyst[right]
lyst[right]=pivot
boundary = left
for index in range(left,right):
if lyst[index]<pivot:
swap(lyst,index,boundary)
boundary += 1
swap(lyst,right,boundary)
return boundary
def main(size = 20,sort = quicksort):
lyst=[]
for count in range(20):
lyst.append(random.randint(1,size+1))
print(lyst)
sort(lyst)
print(lyst)
if __name__=="__main__":
main()
代码参考了数据结构(Python语言描述)相关书籍。
算法思想:1、选定基准点,这个可以选择中间位置的点(上面编程示例选择的是中间位置的点)或者采用random.randint(0,len(lyst))来选择基准点的索引,或者采用第一个点作为基准点,这个可以视具体情况来选择。
2、将列表进行分区,即将小于基准点的数据放在基准点的左边,大于或等于基准点的数据放在基准点的右边。经过分区后基准点所在的位置也是所有排序结束后该数据所在的位置。
3、分而治之,对于分割后的子列表重复过程2,可用递归实现。
4、重复过程2和3,直到遇到的子列表中的数据项小于2,结束循环。
复杂度分析:最好的情况复杂度为O(nlogn),最坏的情况为O(n*n),平均情况为O(nlogn)。
下面通过实例来解释不同的基准点的选择与复杂度最好与最坏情况的比较:
前一个选择中间的为基准点,后一个选择第一个点为基准点。
当然这个实例并不能证明选取中间点作为基准点一定就比第一个点最为基准点要好,基准点的选择应该跟初始的序列有关。