快速排序
快速排序(英语:Quicksort),⼜称划分交换排序(partitionexchangesort),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。
快速排序的分析
def partition(arr, low, high):
i = (low - 1) # 最小元素索引
pivot = arr[high]
for j in range(low, high):
# 当前元素小于或等于 pivot
if arr[j] <= pivot:
i = i + 1
arr[i], arr[j] = arr[j], arr[i]
arr[i + 1], arr[high] = arr[high], arr[i + 1]
return (i + 1)
# arr[] --> 排序数组
# low --> 起始索引
# high --> 结束索引
# 快速排序函数
def quickSort(arr, low, high):
if low < high:
pi = partition(arr, low, high)
quickSort(arr, low, pi - 1)
quickSort(arr, pi + 1, high)
if __name__ == '__main__':
arr = [10, 7, 8, 9, 1, 5, 45, 23, 12, 67, 89]
n = len(arr)
quickSort(arr, 0, n - 1)
print("排序后的数组:" , arr)
时间复杂度
- 最优时间复杂度:O(nlogn)
- 最坏时间复杂度:O(n 2 )
- 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