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。
比如在排序列表:[222,1111,33,315,7,644,0]
先和222比较,比222大的在222右边,小的在222左边。
第一次排序:
def quick_sort(alist):
low = 0
high = len(alist) - 1
mid_value = alist[0]
while low < high:
while low < high and alist[high] >= mid_value:
high -= 1
alist[low] = alist[high]
while low < high and alist[low] < mid_value:
low += 1
alist[high] = alist[low]
alist[low] = mid_value
list = [222,1111,33,315,7,644,0]
quick_sort(list)
print(list)
结果为:
[0, 7, 33, 222, 315, 644, 1111]
从结果可知,0,7,33比222小都在左边,315,644,1111都在右边。
下一步用递归
def quick_sort(alist,first,last):
if first >= last:#递归终止条件
return
mid_value = alist[first]#标杆数
high = last#此序列的尾光标
low = first#此序列的头光标
while low < high:#循环 当 头光标小于尾光标时
while low < high and alist[high] >= mid_value:#当尾光标的数大于标杆数
high -= 1#尾光标向左移动
alist[low] = alist[high]#如果尾光标数小于标杆数,则把此时尾光标的数字移到标杆数的左边
while low < high and alist[low] < mid_value:#当头光标的数小于标杆数
low += 1#头光标向右移动
alist[high] = alist[low]#如果头光标数大于标杆数,则把此时头光标的数字移到标杆数的右边
alist[high] = mid_value#此时已经把大于和小于标杆数的数字放在了标杆数的左右两侧
quick_sort(alist,first,high-1)#把小于标杆数的再次排序,递归
quick_sort(alist,high+1,last)#把大于标杆数的再次排序,递归
if __name__ == '__main__':
alist= [222,1111,33,315,7,644,0]
quick_sort(alist,0,len(alist) - 1)
print(alist)
- 最优时间复杂度:O(nlogn)
- 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。