-
建議必須要掌握的,用的比較多。
-
理解1
每次取出第1個元素,剩餘元素算作一個序列,使用兩個指針分置兩端,姑且吧左端稱之爲小指針,把右端稱之爲大指針,作用就是爲了給第1個元素找的合適的位置。比較小指針指向值與第1個元素,如果比第1元素小說明符合要求,繼續後移去判斷下一個,如果不滿足要求,即小指針的值比第1元素大了,停住小指針,去最右端看大指針,如果大指針指的值比第1元素值大,符合要求,大指針前移再判斷,如果不滿足要求,也就是大指針指的值比第1元素值小了,停住大指針。這時候兩個指針都停住了,那麼只要置換兩個指針當前的指向值,兩個就都滿足要求了,然後繼續從小指針開始比較。待到小指針與大指針重合了,那麼這時候小指針(也可以說是大指針,因爲重合了)
第1個元素找到位置後,把序列按它分成前後兩部分,分別對着兩部分在進行上述操作
直到最後每部分只有一個元素
-
理解方式2
代碼實現起來更容易
取第1個元素定義爲mid_value,首尾定義兩個指針,左首姑且叫它小指針(這是它指向第一個位置——mid_value),右首姑且叫它大指針。小指針在mid_value上,去動右側大指針,如果比mid_value大,滿足條件,繼續向前查詢,如果查詢到小於min_value,與小指針的值(mid_value)交換,此時大指針指向mid_value,去動小指針,滿足條件(比min_value小),右移繼續去查詢,如果不滿足(比mid_value大),與大指針對應值(mid_value)交換,知道大小指針重合,mid_value也就在了它應該所在的中間位置。
-
實現
通過理解2的方式實現
def quicksort(alist, begin, end): if begin>=end: return mid_value = alist[begin] low = begin high = end # 對確定本輪迭代中mid_value在alist[begin: end]中的位置 while low < high: # 左移 while low < high and alist[high] >= mid_value: # 在思想上,將mid_value就當做一個分界線,如果有相同的mid_value,儘量把這些相同值放在同一側,這裏選擇了放在左側 high -= 1 alist[low] = alist[high] # low += 1 # 寧可多加一步比較,寫在這裏會讓小指針與大指針錯過 # 右移 while low < high and alist[low] < mid_value: low += 1 alist[high] = alist[low] # high -= 1 # 從循環退出時,low=high alist[low] = mid_value # 對左右兩部分再遞歸進行快速排序 # quicksort(alist[:low]) # 這麼傳參是不對滴,切片會生成一個新的list,這樣只是對新的list做排序,不會返回到原list中 # quicksort(alist[low+1:]) # 所以對函數進行了整體改動,加入了傳入了其實終止值 # 對mid_value(確定位置後)左邊進行quicksort quicksort(alist, begin, low-1) # 對mid_value(確定位置後)右邊進行quicksort quicksort(alist, low+1, end)
-
測試
if __name__ == '__main__': ll = [3,6,2,4,7,5,8,1,0,9] print(ll) quicksort(ll, 0, len(ll)-1) print(ll)
-
時間複雜度
- 最優時間複雜度:O(nlogn)
- 最壞時間複雜度:O(n^2)
- 穩定性:不穩定
從一開始快速排序平均需要花費O(n log n)時間的描述並不明顯。但是不難觀察到的是分區運算,數組的元素都會在每次循環中走訪過一次,使用O(n)的時間。在使用理解2的版本中,這項運算也是O(n)。
在最好的情況,每次我們運行一次分區,我們會把一個數列分爲兩個幾近相等的片段。這個意思就是每次遞歸調用處理一半大小的數列。因此,在到達大小爲一的數列前,我們只要作log n次嵌套的調用。這個意思就是調用樹的深度是O(log n)。但是在同一層次結構的兩個程序調用中,不會處理到原來數列的相同部分;因此,程序調用的每一層次結構總共全部僅需要O(n)的時間(每個調用有某些共同的額外耗費,但是因爲在每一層次結構僅僅只有O(n)個調用,這些被歸納在O(n)係數中)。結果是這個算法僅需使用O(n log n)時間。
數據結構筆記:快速排序
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.