1.快速排序详解及Python实现

定义

快速排序由C. A. R. Hoare在1960年提出。它的基本思想是：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。

算法步骤

1. 分区: 从待排序数组中选择一个元素作为基准元素, 然后根据此基准元素, 将数组划分为两个数组, 其中一个数组中元素均小于等于基准元素, 另一个数组中元素均大于基准元素. 此步中需要确定基准元素的位置, 用来切割两个子数组.
2. 递归: 对第一步中得到的两个子数组分别调用快速排序进行排序.
3. 合并: 因为子数组都是原址排序的, 所以不需要进行合并操作.

算法时间复杂度分析

• 最好时间复杂度
  通过算法步骤中所描述的, 分区步骤中涉及到对所有元素的分区操作, 所以一次分区涉及的时间复杂度均为O(n). 由于每次分区均是划分为两个子数组, 所以分区次数涉及到的时间复杂度为O(lgn). 所以时间复杂度为O(nlgn)
• 最坏时间复杂度
  考虑到给定待排序数组已排序的情况, 此种情况下, 进行快速排序分区步骤时, 子数组总有一个为空, 导致分区操作进行了n次, 即时间复杂度为O(n), 结合每次分区的时间成本为O(n), 所以最坏时间复杂度退化为O(n2).

是否为稳定排序算法

非稳定排序算法. 参考上述步骤中的分区操作, 当两元素本身有序, 但当基准元素小于这两个元素时, 会导致两个元素移动到基准元素右侧后顺序改变, 所以不稳定.

Python实现

class QuickSort:

    @staticmethod
    def _partition(nums: List[int], p: int, r: int) -> int:
        x = nums[r]
        i = p - 1
        for j in range(r):
            if nums[j] <= x:
                i = i + 1
                tmp = nums[j]
                nums[j] = nums[i]
                nums[i] = tmp

        tmp = nums[r]
        nums[r] = nums[i + 1]
        nums[i + 1] = tmp

        return i + 1

    def sort(self, nums: List[int], p: int, r: int):
        if p < r:  # 递归终止条件
            q = self._partition(nums, p, r)
            self.sort(nums, p, q - 1)
            self.sort(nums, q + 1, r)


if __name__ == '__main__':
    nums = [1]
    QuickSort().sort(nums, 0, len(nums) - 1)
    print(nums)