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。
快速排序的分析
def QuickSort(alist, start, end):
'''快速排序'''
# 建立递归终止条件
if start >= end:
return
# low为序列左边要移动的游标
low = start
# last为序列右边要移动的游标
last = end
# 将起始元素设为要寻找位置的基准元素
mid_num = alist[start]
while low < last:
# 当low与last未重合,并且比基准元素要大,就将游标向左移动
while low < last and alist[last] >= mid_num:
last -= 1
# 如果比基准元素小,就跳出循环,并且把其放在基准元素左边
alist[low] = alist[last]
# 当low与last未重合,并且比基准元素要小,就将游标向右移动
while low < last and alist[low] < mid_num:
low += 1
# 如果比基准元素大,就跳出循环,并且把其放在基准元素右边
alist[last] = alist[low]
# 当low与last相等,就是mid_num的排序位置
alist[low] = mid_num
# 然后对排序好的元素左右两边的序列进行递归
QuickSort(alist, start, low-1) # 对左边的序列进行递归
QuickSort(alist, low+1, end) # 对右边的序列进行递归
if __name__ == '__main__':
alist = [30, 40, 60, 10, 20, 50]
#alist = [54,26,93,17,77,31,44,55,20]
print(alist)
QuickSort(alist, 0, len(alist)-1)
print(alist)
运行结果:
/home/longhui/Desktop/数据结构与算法/venv/bin/python /home/longhui/Desktop/数据结构与算法/venv/MyCode/6_sorting_and_searching/quick_sort.py
[30, 40, 60, 10, 20, 50]
[10, 20, 30, 40, 50, 60]
Process finished with exit code 0
时间复杂度
- 最优时间复杂度:O(nlogn) ( n * (2*2*2*2*...*2=n) = n * logn )
- 最坏时间复杂度:O(n2)
- 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。
欢迎关注公众号:日常bug,每天写至少一篇技术文章,每天进步一点点。