快速排序( Quick sort)
快速排序的基本思想:通过一趟排序将待排记录分隔成独立的两部分,其中一部分记录的关键字均比另一部分的关键字小,则可分别对这两部分记录继续进行递归排序,以达到整个序列有序。
1.算法描述:
另一个分而治之
将数组划分为两个部分,然后独立地对部分进行排序:
首先选择一个数据透视,并从列表中删除(隐藏在最后)
然后这些元素被分成两部分.一个小于枢轴,另一个大于枢轴. 这种分区是通过交换价值来实现的
然后在中间恢复枢轴,并且这两个部分递归地快速排序
示例:
Pivot:中间枢纽 ( 5) , Portitiom:分区 , Two points:两个指针 ( i:左->右 j:左
2.算法属性:
时间复杂度:O(nlogn)
空间复杂度:O(nlogn)
稳定性:不稳定
3.代码实现
'''O(nlogn)
pivot枢纽,low和high为起点终点'''
#划分分区(非就地划分)
def partition(nums=list):
pivot= nums[0] #挑选枢纽
lo = [x for x in nums[1:] if x < pivot] #所有小于pivot的元素
hi = [x for x in nums[1:] if x >= pivot] #所有大于pivot的元素
returnlo,pivot,hi#快速排序
def quick_sort(nums=list):#被分解的Nums小于1则解决了
if len(nums) <= 1:returnnums#分解
lo,pivot,hi =partition(nums)#递归(树),分治,合并
return quick_sort(lo) + [pivot] +quick_sort(hi)
lis= [7, 5, 0, 6, 3, 4, 1, 9, 8, 2]print(quick_sort(lis)) #[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
'''两部分,第一部分封装快排函数,第二部分调用快排
取枢纽key为pivot
学习版本'''
importtimedef_quick_sort(nums:list):if len(nums) <= 1:returnnums
pivot= nums[0] #取第一个值为枢纽
#pivot左右边分别调用_quick_sort自身
#找左半边比pivot小的
left_nums = _quick_sort([x for x in nums[1:] if x =pivot意为pivot放在后半边比它大的元素前面)
right_nums = _quick_sort([x for x in nums[1:] if x >=pivot])return left_nums + [pivot] +right_numsdef quick_sort(nums:list,reverse=False):
start=time.time()
nums=_quick_sort(nums)ifreverse:
nums= nums[::-1]
t= time.time() -startreturnnums,t
lis= [1,3,5,7,9,2,5,3,6,8,0]
lis= quick_sort(lis,reverse=False)print(lis)#输出结果
([0, 1, 2, 3, 3, 5, 5, 6, 7, 8, 9], 0.0)
网上最多较多的版本
defquick_sort(array):#封装一层调用
def recursive(begin, end): #fecursive递归
if begin >end:returnl, r=begin, end
pivot=array[l]while l pivot:
r-= 1
while l < r and array[l] <=pivot:
l+= 1array[l], array[r]=array[r], array[l]
array[l], array[begin]=pivot, array[l]
recursive(begin, l- 1)
recursive(r+ 1, end)
recursive(0, len(array)- 1)return array
第三个版本
'''使用对象实例化,原理还是一样的'''
classSQList:def __init__(self, lis=None):
self.r=lisdefswap(self, i, j):#定义一个交换元素的方法,方便后面调用。
temp =self.r[i]
self.r[i]=self.r[j]
self.r[j]=tempdefquick_sort(self):#调用入口
self.qsort(0, len(self.r)-1)defqsort(self, low, high):#递归调用
if low
pivot=self.partition(low, high)
self.qsort(low, pivot-1)
self.qsort(pivot+1, high)defpartition(self, low, high):'''快速排序的核心代码。
其实就是将选取的pivot_key不断交换,将比它小的换到左边,将比它大的换到右边。
它自己也在交换中不断变换自己的位置,直到完成所有的交换为止。
但在函数调用的过程中,pivot_key的值始终不变。
:param low:左边界下标
:param high:右边界下标
:return:分完左右区后pivot_key所在位置的下标'''lis=self.r
pivot_key=lis[low]while low =pivot_key:
high-= 1self.swap(low, high)while low < high and lis[low] <=pivot_key:
low+= 1self.swap(low, high)returnlowdef __str__(self):
ret= ""
for i inself.r:
ret+= "%s" %ireturnretif __name__ == '__main__':
sqlist= SQList([4, 1, 7, 3, 8, 5, 9, 2, 6, 0, 123, 22])
sqlist.quick_sort()print(sqlist)
4.快速排序可优化的地方:(以第三个版本举例)
1)优化选取的Pivot
前面我们每次选取Pivot的都是子序列的第一个元素,也就是lis[low],这就比较看运气。运气好时,该值处于整个序列的靠近中间值,则构造的树比较平衡,运气比较差,处于最大或最小位置附近则构造的树接近斜树。
为了保证pivot选取的尽可能适中,采取选取序列左中右三个特殊位置的值中,处于中间值的那个数为pivot,通常会比直接用lis[low]要好一点。在代码中,在原来的pivot = lis[low]这一行前面增加下面的代码:
m = low + int((high-low)/2)if lis[low] >lis[high]:
self.swap(low, high)if lis[m] >lis[high]:
self.swap(high, m)if lis[m] >lis[low]:
self.swap(m, low)
如果觉得这样还不够好,还可以将整个序列先划分为3部分,每一部分求出个pivot_key,再对3个pivot_key再做一次上面的比较得出最终的pivot_key。这时的pivot_key应该很大概率是一个比较靠谱的值。
2)减少不必要的交换
原来的代码中pivot_key这个记录总是再不断的交换中,其实这是没必要的,完全可以将它暂存在某个临时变量中,如下所示:
defpartition(self, low, high):
lis=self.r
m= low + int((high-low)/2)if lis[low] >lis[high]:
self.swap(low, high)if lis[m] >lis[high]:
self.swap(high, m)if lis[m] >lis[low]:
self.swap(m, low)
pivot_key=lis[low]#temp暂存pivot_key的值
temp =pivot_keywhile low =pivot_key:
high-= 1
#直接替换,而不交换了
lis[low] =lis[high]while low < high and lis[low] <=pivot_key:
low+= 1lis[high]=lis[low]
lis[low]=tempreturn low
3)优化小数组时的排序
快速排序算法的递归操作在进行大量数据排序时,其开销能被接受,速度较快。但进行小数组排序时则不如直接插入排序来得快,也就是杀鸡用牛刀,未必就比菜刀来得快。
因此,一种很朴素的做法就是根据数据的多少,做个使用哪种算法的选择而已,如下改写qsort方法:
defqsort(self, low, high):"""根据序列长短,选择使用快速排序还是简单插入排序"""
#7是一个经验值,可根据实际情况自行决定该数值。
MAX_LENGTH = 7
if high-low
pivot=self.partition(low, high)
self.qsort(low, pivot- 1)
self.qsort(pivot+ 1, high)else:#insert_sort方法是我们前面写过的简单插入排序算法
self.insert_sort()
4)优化递归操作
可以采用尾递归的方式对整个算法的递归操作进行优化,改写qsort方法如下:
defqsort(self, low, high):"""根据序列长短,选择使用快速排序还是简单插入排序"""
#7是一个经验值,可根据实际情况自行决定该数值。
MAX_LENGTH = 7
if high-low
while low
pivot=self.partition(low, high)
self.qsort(low, pivot- 1)#采用了尾递归的方式
low = pivot + 1
else:#insert_sort方法是我们前面写过的简单插入排序算法
self.insert_sort()