学的知识比较杂,所以决定如果有时间就写一写,一方面做备忘,一方面激励自己做笔记。
第一篇博客决定写”快排“。因为“快排”既不是很难的问题,也不是很简单。觉得还算适合做第一篇。
直接上代码:
def partition(array, p, r ):
x = array[r]
i = p - 1
for j in range(p, r):
if array[j] <= x:
i += 1
temp = array[i]
array[i] = array[j]
array[j] = temp
temp = array[r]
array[r] = array[i+1]
array[i+1] = temp
return i + 1
def QuickSort( array, p, r ):
if p < r:
q = partition(array, p, r)
QuickSort( array, p, q-1 )
QuickSort( array, p+1, r )
if __name__ == '__main__':
array = [10, 2, 5, 24, 33, 7, 6, 23, 9, 1]
length = len(array)
QuickSort( array, 0, length-1 )
print array
快排算法时间复杂度是O(nlgn),因为是“分治法”,无数博客都讨论过这个事儿。
此外,快排的精髓在于partition函数,变量j是顺着数组进行遍历,这样的好处在于符合代码的“空间局部性”,速度会更快。
当一个内存地址上的数被内存访问,这个数相邻地址的数和要访问的这个数会一起被送到Cache中,下次访问下一个地址的数时,就会被Cache命中,减少了访问内存的时间消耗。
而且,以linux系统为例,内存一般是需要进行分页管理。为了减少分页索引时延,CPU会有一个“快表”,数据段的空间局部性也会增加“快表”的命中率,从而增加程序运行速度。
最后,“快排”也是不需要额外的空间。归并排序的merge就需要额外同样数组大小的空间,而快排不需要。
总之, 快排在算法上既有分治思想的加持,又符合计算机程序运行机制,又不占空间的精妙方法。