打开APP
userphoto
未登录

开通VIP,畅享免费电子书等14项超值服

开通VIP
Python 实现快排

快速排序简介
快速排序,又称划分交换排序,从无序队列中挑取一个元素,把无序队列分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,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,以此达到整个数据变成有序序列。
简单来说:挑元素、划分组、分组重复前两步

快速排序原理示意图
通过上面对快速排序的简介,我们知道了,快速排序主要包括以下两方面:
挑元素划分组、整体递归分组
挑元素划分组示意图:

特点:
1、因为是无序队列,所以位置可以随机挑
2、临时划分一个空间,存放我们挑选出来的中间元素
3、左标签位置空,移动右标签,反之一样
4、重复3,直到左右侧标签指向同一个位置,
5、把临时存放的中间元素,归位
一句话:左手右手一个慢动作,右手左手慢动作重播

整体划分示意图:

特点:
1、递归拆分
2、拆分到最后,所有小组内的元素个数都是1
一句话:递归拆分到不能再拆

代码实践分析
根据上面两个示意图的分析,我们要从两个大方面分析:
序列切割 和 递归拆分

1、序列切割
序列切割这个知识点,我们从四个方面分别介绍:
3个基本标签、右侧推进、左侧推进、停止推进(即元素归位)

1.1、3个基本标签
大小区域切割,至少涉及到三个标签:
mid:指定要切割的临时中间数字    
left:从队列左侧推进的标签
right:从队列右侧推进的标签                                     

  1. def quick_sort(li, start, end):
  2. # 分治 一分为二
  3. # start=end ,证明要处理的数据只有一个
  4. # start>end ,证明右边没有数据
  5. if start >= end:
  6. return
  7. # 定义两个游标,分别指向0和末尾位置
  8. left = start
  9. right = end
  10. # 把0位置的数据,认为是中间值
  11. mid = li[left]
  12. while left < right:
  13. # 让右边游标往左移动,目的是找到小于mid的值,放到left游标位置
  14. while left < right and li[right] >= mid:
  15. right -= 1
  16. li[left] = li[right]
  17. # 让左边游标往右移动,目的是找到大于mid的值,放到right游标位置
  18. while left < right and li[left] < mid:
  19. left += 1
  20. li[right] = li[left]
  21. # while结束后,把mid放到中间位置,left=right
  22. li[left] = mid
  23. # 递归处理左边的数据
  24. quick_sort(li, start, left-1)
  25. # 递归处理右边的数据
  26. quick_sort(li, left+1, end)
  27. if __name__ == '__main__':
  28. l = [6,5,4,3,2,1]
  29. # l = 3 [2,1,5,6,5,4]
  30. # [2, 1, 5, 6, 5, 4]
  31. quick_sort(l,0,len(l)-1)
  32. print(l)
  33. # 稳定性:不稳定
  34. # 最优时间复杂度:O(nlogn)
  35. # 最坏时间复杂度:O(n^2)

关键点:
序列切割:
1、挑中间元素:mid = alist[start]
2、右推进:while right > left and alist[right] >= mid:
3、左推进:while left < right and alist[left] < mid:
4、推进循环:while left < right:
5、元素归位:alist[left] = mid
递归拆分:
1、小组边界确定:left = start、right = end
2、递归退出条件:if start < end:
3、函数自调用:quick_sort(alist, start, end)

时间复杂度
最优时间复杂度:O(nlogn)
对于每次快排,left和right的标签分别在左右两册数据全部都移动了一遍,相当于遍历了所有数据,那么时间复杂度是O(n)
因为涉及到了递归分组,所以他的时间复杂度是O(logn)
整体来说:最优的时间复杂度是 O(nlogn)

最坏时间复杂度:O(n2)

因为递归分组分组的条件不一定是二分,有可能每一次mid指定的都是最大或者最小,那么有多少个元素,我们就可能分多少次组,这种情况时间复杂度就是O(n)了
所以最坏的时间复杂度就是O(n2),那么最坏也不过如此了。
稳定性:不稳定

思考:
改哪个地方,结果是降序?
while right > left and alist[right] >= mid:     代码中的 >= 改为 <=
while left < right and alist[left] < mid         代码中的 < 改为 >
本节内容小结:
1、快速排序原理:挑元素、划分组,分组重复前两步。
2、快速排序实践步骤:
划分组:准备工作+左右移动+元素归位
递归:函数自调用+退出条件

本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请点击举报
打开APP,阅读全文并永久保存 查看更多类似文章
猜你喜欢
类似文章
【热】打开小程序,算一算2024你的财运
快速排序
Python|快速排序
知识点总结之排序算法
常用排序算法总结(一)
归并排序
递归时间复杂度分析——master公式
更多类似文章 >>
生活服务
热点新闻
分享 收藏 导长图 关注 下载文章
绑定账号成功
后续可登录账号畅享VIP特权!
如果VIP功能使用有故障,
可点击这里联系客服!

联系客服