快速排序(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为独立的两部分。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,一次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,成为“基准”(pivot)
- 重新排序数列,所有元素比基准小的摆放在基准面,所有元素比基准值大的摆在基准的后面(相同的数可以放到任一边)。在这个分区结束之后,该基准就处于数列的中间位置。这个成为 分区 (partition)操作。
- 递归地(recursive)把小于基准值元素的子序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 0 或 1,也就是永远都已经被排序好。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(interation)中,它至少会把一个元素摆到它最后面的位置去。
1、快速排序的分析
2、python代码的实现
"""快速排序"""
def quick_sort(alist, start, end):
# 如果 小数值游标 大于等于 大数值游标 ,退出
if start >= end:
return
# 假设中间值,为列表的开始值
mid_value = alist[start]
low = start
high = end
while low < high:
# 如果 low<high 并且 大游标的值 大于等于 中间值,那么符合要求。-1 游标往下走
# 如果 大游标的值 小于 中间值时,while不成立,此时大游标对应的值 附给 小游标的值
while low < high and alist[high] >= mid_value:
high -= 1
alist[low] = alist[high]
while low < high and alist[low] < mid_value:
low += 1
alist[high] = alist[low]
# 循环退出时, low=high
alist[low] = mid_value
# 对 mid_value 的左边(low)进行排序
quick_sort(alist, low + 1, end)
# 对 mid_vaue 的右边(high)进行排序
quick_sort(alist, start, high - 1)
l = [22, 44, 11, 22, 3, 14, 20]
print(l)
quick_sort(l, 0, len(l) - 1)
print(l)
解读:首先,第一次,选取初始值作为参考值,记为 x ,通过一次排序,即 low 从左向右查找是否有大于 x 的值,如果有,附给high区;high从右向左查找是否是小于 x 的值,如果有,附给low区。当 low 和 high 相等的时候,则证明分别从两端查找完毕,此时 x 就在该列表中合适的位置。然后以 x 为基准点,分为左边的low区,右边的high区。两边再次分别执行排序,以此递归进行。
3、时间复杂度
- 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一遍,使用 O(n) 的时间。
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近乎相等的片段。这个意思就是每次递归调用处理一般大小的数列。因此,在到达大小为 1 的数列之前,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,一次,程序调用的每一层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),但是因为在每一次层次结构仅仅只有 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要 O(n log n) 时间。