快速排序及实现

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：

1. 从数列中挑出一个元素，成为“基准”（pivot）
2. 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。
3. 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。

4、快速排序演示