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(函数内部再调用函数自身)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
时间复杂度
- 最优时间复杂度:O(nlogn)
- 最坏时间复杂度:O( n 2 n^2 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。
快速排序演示
Python实现
# coding:utf-8
def quick_sort(alist, first, last):
"""快速排序
:param first,last分别是列表的起始和终止下标
"""
# 递归的退出条件
# 如果传入的起始下标大于等于终止下标,证明只有一个元素,随即应该return,无需排序
# 只有first小于last,才往下执行
if first >= last:
return
# 设定起始元素为要寻找位置的基准元素
mid_value = alist[first]
low = first
high = last
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_value:
high -= 1
# 移到比mid_value小的值时,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_value:
low += 1
# 移到比mid_value大或相等的值时,# 将low指向的元素放到high的位置上
alist[high] = alist[low]
# 从while循环退出时,low与high重合,此时所指位置为基准元素的正确位置,将mid_value放到此位置
alist[low] = mid_value
# 对基准元素mid_value左边的子序列进行快速排序
quick_sort(alist, first, low-1) # 这里low在最左边时,low-1会比first小,所以一开始是判断if first >= last,而不只是first == last
# 对基准元素mid_value右边的子序列进行快速排序
quick_sort(alist, low+1, last) # 这里low在最右边时,low+1会比first大,所以一开始是判断if first >= last,而不只是first == last
# 测试
if __name__ == "__main__":
li = [54, 26, 93, 17, 77, 31, 44, 55, 20]
print(li)
quick_sort(li, 0, len(li)-1)
print(li)