Num01–>定义
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。
Num02–>分析步骤:
步骤为:
1、从数列中挑出一个元素,称为”基准”(pivot)。2、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。
3、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。
Num03–>过程分析图
Num04–>Python代码实现
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author : xiaoke
def quick_sort(alist, start, end):
"""快速排序"""
if start >= end:
return
# 基准
mid = alist[start]
# 左边游标
left = start
# 右边游标
right = end
while left < right:
while left < right and alist[right] >= mid:
# 右边游标移动,左边游标不动
right -= 1
alist[left] = alist[right]
while left < right and alist[left] < mid:
# 左边游标移动,右边游标不动
left += 1
alist[right] = alist[left]
# 退出循环后 left与right重合,即相等
alist[left] = mid
# 递归的方式排左边的序列
quick_sort(alist, start, left - 1)
# 递归的方式排右边的序列
quick_sort(alist, left + 1, end)
if __name__ == '__main__':
alist = [54, 26, 93, 17, 77, 31, 44, 55, 20]
print("原列表为:%s" % alist)
quick_sort(alist, 0, len(alist) - 1)
print("新列表为:%s" % alist)
# 结果如下:
# 原列表为:[54, 26, 93, 17, 77, 31, 44, 55, 20]
# 新列表为:[17, 20, 26, 31, 44, 54, 55, 77, 93]
Num05–>时间复杂度分析
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。