快速排序的介绍
快速排序的Python实现
快速排序的介绍
快速排序(quick sort)的采用了分治的策略。
分治策略指的是:
将原问题分解为若干个规模更小但结构与原问题相似的子问题。递归地解这些子问题,然后将这些子问题的解组合为原问题的解。
快排的基本思想是:
在序列中找一个划分值,通过一趟排序将未排序的序列排序成 独立的两个部分,其中左边部分序列都比划分值小,右边部分的序列比划分值大,此时划分值的位置已确认,然后再对这两个序列按照同样的方法进行排序,从而达到整个序列都有序的目的。
基准值若能把数据分为平均的两块,划分次数O(logn),每次划分遍历比较一遍O(n),时间复杂度O(nlogn)。
额外空间开销出在暂存基准值,O(logn)次划分需要O(logn)个,空间复杂度O(logn)
快速排序的Python实现
主要体现在以下方面:
分组基准的选取过于随便,不一定可以取到列表的中间值
空间复杂度大,使用了两个列表解析式,而且每次选取进行比较时需要遍历整个序列。
若序列长度过于小(比如只有几个元素),快排效率就不如插入排序了。
递归影响性能,最好进行优化。
下面用Python写一个C风格的快排(这里可以体会到快排的精髓):
defquick_sort(L):return q_sort(L, 0, len(L) - 1)defq_sort(L, left, right):if left
pivot=Partition(L, left, right)
q_sort(L, left, pivot- 1)
q_sort(L, pivot+ 1, right)returnLdefPartition(L, left, right):
pivotkey=L[left]while left =pivotkey:
right-= 1L[left]=L[right]while left < right and L[left] <=pivotkey:
left+= 1L[right]=L[left]
L[left]=pivotkeyreturnleft
L= [5, 9, 1, 11, 6, 7, 2, 4]print quick_sort(L)
快速排序需要提供三个参数:待排序序列 、序列最小下标值left、序列最大下标值right。让用户提供这三个参数很麻烦。这里写个函数进行封装:
defquick_sort(L):return q_sort(L, 0, len(L) - 1)
下面看一下q_sort函数:
defq_sort(L, left, right):if left
pivot=Partition(L, left, right)
q_sort(L, left, pivot- 1)
q_sort(L, pivot+ 1, right)return L
这个函数的核心是pivot = Partition(L, left, right),在执行它之前,列表的值为[5, 9, 1, 11, 6, 7, 2, 4],而Partition函数做的事情是找到一个分组标准,然后进行分组,让它左边的值比它小,右边的值比它大。
在经过Partition函数分组后,列表变为[4, 2, 1, 5, 6, 7, 11, 9],并把5的下标值(也就是3)返回给pivot,此时列表变成两个小列表[4, 2, 1]和[5, 6, 7, 11, 9] ,之后调用q_sort,就是调用q_sort(L,0, 2)和q_sort(L, 4 ,7),对其进行Partition操作,直到整个列表有序为止。
下面看看关键的Partition函数是如何做的:
defPartition(L, left, right):
pivotkey=L[left]while left =pivotkey:
right-= 1L[left]=L[right]while left < right and L[left] <=pivotkey:
left+= 1L[right]=L[left]
L[left]=pivotkeyreturn left
以一趟排序为例[5, 9, 1, 11, 6, 7, 2, 4]:
开始排序时,left=0,right=7,首先用表的第一个下标值作为 分组关键字pivot,
第一趟排序过程
进行while left < right and L[right] >= pivotkey:判断,其中L[right]=4 不满足条件,跳出循环,执行L[left] = L[right],执行后列表变成:
第一趟排序结果
然后进行while left < right and L[left] <= pivotkey:,L[left] = 4 <= 5,条件成立,left向右边移动,然后L[left] = 9 不满足条件,执行L[right] = L[left],执行后列表变为:
第一趟排序过程
然后进行while left < right判断,条件成立,继续进行判断while left < right and L[right] >= pivotkey:,L[right] = 9,满足条件,right向左移动1,继续判断,不满足条件,执行L[left] = L[right],执行后列表变为:
第一趟排序过程
然后进行while left < right and L[left] <= pivotkey:判断,L[left] = 2,满足条件,left向右移动,然后L[left] = 1,满足条件,left向右移动,L[left] = 11,不满足条件,执行L[right] = L[left],执行后列表变为:
第一趟排序过程
然后进行while left < right 判断,条件成立,继续进行判断:while left < right and L[right] >= pivotkey:,满足条件,right向左移动,一直移动到这样的状态:
第一趟排序过程
此时不满足条件:left < right,跳出循环。然后执行L[left] = pivotkey,并返回left下标值。此时序列变为:
第一趟结束
接下来就是用递归分别对子列表进行排序。读者可以自己试试。
来源链接:https://www.jianshu.com/p/2b2f1f79984e
#完整代码
defquick_sort1(L):return q_sort(L,0,len(L)-1)#起到分区作用
defq_sort(L,left,right):if left
pivot=Partition(L,left,right)#递归解决
q_sort(L,left,pivot-1)
q_sort(L,pivot+1,right)returnL#对区间选取第一个数作为pivotkey,进行划分区间
defPartition(L,left,right):#选取第一个元素
pivotkey=L[left]#退出条件根据当前pivotkey以确定其的左右区间,即left==right
while left
while left=pivotkey:
right-=1
#找到元素比当前pivotkey小,则对left位置的值进行替换(将right索引对应取值对left索引对应取值进行替换,)(1.第一次的left取值为pivotkey)
L[left]=L[right]#从left索引开始,依次判断当前元素L[left]是否比pivotkey小,如比pivotkey大,则left索引往前右移。
while left
left+=1
#找到元素,替换
L[right]=L[left]#对上述流程总有两个位置的元素是相等的,因而在left==right的时候,对left的位置进行赋值pivotkey。
L[left]=pivotkeyreturn left
归并排序:
有两种类型,一种递归和迭代,递归法的核心思想是把列表分解为两个子列表,单独排序子列表在合并子列表。你可以将他理解为一个二分树,其列表为根节点,,子列表为子节点。首先对子列表进行排序,然后进行归并子列表
迭代主要思想。将列表看成一个n个长度为1的子列表。然后,利用循环把相邻的两个子列表排序合并。然后可以得到n/2长度为2的子列表。之后,依次利用循环进行相邻的两个列表进行合并。最后得到一二长度为n的列表。想过程想象成一个倒二叉树,对独立的子列表进行多次得带,知道到达跟部。
归并排序划分子问题采用二分法,共需O(logn)次划分,当然需要相当次合并;每次合并遍历比较O(n)。时间复杂度O(nlogn)。
额外空间开销出在合并过程中的一个暂存数组,空间复杂度O(n)。
#递归
def mergeSort(myList): #传入参数myList
if len(myList)<2: #如果myList只有一个元素即停止
return
cut=len(myList)//2 #找到数据的二分点
listA=myList[:cut] #左子列表
listB=myList[cut:] #右子列表
mergeSort(listA) #将左子列表递归排序
mergeSort(listB)
#print(listA,listB)
pointerA=0 #指针A
pointerB=0 #指针B
counter=0 #排序后元素的位置
while pointerA
if listA[pointerA]
myList[counter]=listA[pointerA]
pointerA+=1
else:
myList[counter]=listB[pointerB]
pointerB+=1
counter+=1
while pointerA
myList[counter]=listA[pointerA]
pointerA+=1
counter+=1
while pointerB < len(listB):
myList[counter] = listB[pointerB]
pointerB += 1
counter += 1
#例子
myList=[23,5,2,8,21,3,4,11,19]
mergeSort(myList)print(myList)
输出结果:
[23] [5]
[2] [8]
[5, 23] [2, 8]
[21] [3]
[11] [19]
[4] [11, 19]
[3, 21] [4, 11, 19]
[2, 5, 8, 23] [3, 4, 11, 19, 21]
[2, 3, 4, 5, 8, 11, 19, 21, 23]
迭代实现
#迭代实现
defmergeSort(mList):
length=len(mList)#n为子数组长度,当n等于length时,即数组合并完成
n=1
while n
for i in range(0,length,n*2):
listA=mList[i:i+n]
listB=mList[i+n:i+n*2]
#print(listA,listB)#指针A
pointerA=0#指针B
pointerB=0#排序后元素的位置
counter=iwhile pointerA
mList[counter]=listA[pointerA]
pointerA+=1
else:
mList[counter]=listB[pointerB]
pointerB+=1counter+=1
while pointerA
mList[counter]=listA[pointerA]
counter+=1pointerA+=1
while pointerB
mList[counter]=listB[pointerB]
counter+=1pointerB+=1
#一轮合并后子数组的长度是成倍增长
n=n*2
myList=[6,3,-2,0,-1,5,9,7]
mergeSort(myList)print(myList)
#运行结果
[6] [3]
[-2] [0]
[-1] [5]
[9] [7]
[3, 6] [-2, 0]
[-1, 5] [7, 9]
[-2, 0, 3, 6] [-1, 5, 7, 9]
[-2, -1, 0, 3, 5, 6, 7, 9]
递归第一步排序左子列表,第二步排序右子列表,迭代法每一步都排序所有的子列表,两者的时间复杂度是一样的。