快速排序（Quick Sort）

1 摘要

时间复杂度： 最好、平均$O(nlogn)$；最坏$O(n^2)$
空间复杂度： $O(logn)$
是否稳定： 不稳定

2 算法细节

2.1 算法思想

如果要对数组区间 [p, r] 的数据进行排序，

• 先选择其中任意一个数据作为 pivot（分支点），一般为区间最后一个元素。
• 然后遍历数组，将小于 pivot 的数据放到左边，将大于 pivot 的数据放到右边。
• 接着，我们再递归对左右两边的数据进行排序。
• 直到区间缩小为 1 ，说明所有的数据都排好了序。
  

  递推公式：
  quick_sort(p…r) = quick_sort(p…q-1) + quick_sort(q+1, r)
  
  终止条件：
  p >= r
  

快速排序的具体分区过程如下所示：

• 从左到右依次遍历数组，定义 i 和 j 指针，其中 i 指向大于pivot的元素的起始位置，j 用于遍历所有元素，以便将其与pivot进行比较；
  • 初始化时，均指向数组起始位置；
• 如遇到小于 pivot 的元素，则进行数据交换，i 与 j 所指的数据进行交换，即将小于pivot的元素放于索引 i ，紧接着 i 会加一；否则继续往前进行（即不做任何交换，两个指针各加1）；
• 最后再将 pivot 放于大于 pivot 和小于 pivot 的分界位置，即 p 与 i 所指数据进行交换。
  

2.2 算法实现

def quickSort(nums, start, end):
    # 由于本算法是直接对数组进行改变，所以针对于非法输入的数组可以直接忽略
	if start < end:
		pivot = nums[end]
		i = j = start
		while j < end:
			if nums[j] < pivot:
				nums[i], nums[j] = nums[j], nums[i]
				i += 1
			j += 1
		# 此时j = end，所以下式等价于交换nums[j]和nums[i]
		nums[i], nums[end] = nums[end], nums[i]
		quickSort(nums[:i], start, i-1)
		quickSort(nums[i+1:end], i+1, end)
	# 直接对数组进行排序操作，改变索引，没有返回值

• 递归调用时，注意终止条件，当nums的长度小于2时，直接返回；
• 当长度大于等于2时，进行排序，并修改nums中元素的位置。

2.3 与归并排序的对比

• 归并排序是由下向上的，先处理子数组然后再合并。
  • 归并排序非常稳定，时间复杂度始终都是$O(nlogn)$，但它是非原地算法。
• 而快速排序正好相反，它的过程是由上向下的，先分出两个子区间，再对子区间进行排序。
  • 最坏情况：如果数据原来已经是有序的，则每次的分区都是不均等的，我们需要进行 n 次分区才能完成整个排序，此时快排的时间复杂度就退化成了 $O(n^2)$，但平均情况下时间复杂度$O(nlogn)$，最坏情况发生的概率也比较小；
  • 是原地排序算法，因此应用得更加广泛。
  • 是一个不稳定的排序算法，因为其在数据交换过程中可能会改变相等元素的原始位置。
    

参考：

1. https://zhuanlan.zhihu.com/p/47067858