python实现快速排序算法_基础算法:快速排序(python实现)
算法原理
快速排序是一个具有较高性能的排序算法,其主要思想如下:
对数组中的某个元素,确定其在数组中的排序位置,即在其之前的所有元素均小于该元素,在其之后的均大于该元素。对小元素组和大元素组同样执行该过程,直到全部执行完毕。
每次递归确定一个元素的排序位置,核心在于确定大元素组和小元素组。设待处理元素为left,本次循环元素i,大元素组的第一个元素为j:
数组元素可看作该分组 :
left
less group
(j)—>greater group
i
other
right
初始时刻大小元素组均为空,随着i不断后移,逐渐填充两个元素组。按照如下思路进行处理:
如果array[i] >= array[left], 将i归入greater_group;如果array[i] < array[left],将i和j交换。
分组完成后交换array[left]和小元素组最后元素,即可确定array[left]元素在排序数组中的位置。
算法实现
快速排序使用分治思想对划分的大元素组和小元素组进行分别处理:
def quick_sort(unsorted_array, left = -1, right = -1):
if left == -1 and right == -1:
left = 0
right = len(unsorted_array) - 1
if left >= right:
return
p = quick_sort_partition(unsorted_array, left, right)
quick_sort(unsorted_array, left, p - 1)
quick_sort(unsorted_array, p + 1, right)
注意递归返回的条件left >= right,当两者相等时,待排序数组只有一个元素,因此无需排序;当left > right时,表示待排序数组为空,等价于使用:
if left != p:
quick_sort(unsorted_array, left, p - 1)
if right != p:
quick_sort(unsorted_array, p + 1, right)
快速排序的辅助函数实现如下:
def quick_sort_partition(unsorted_array, left, right):
random_p = random.randint(left, right)
unsorted_array[left], unsorted_array[random_p] = unsorted_array[random_p], unsorted_array[left]
v = unsorted_array[left]
last_of_less_group = left
for i in range(left, right + 1):
if(v > unsorted_array[i]):
last_of_less_group += 1
unsorted_array[last_of_less_group], unsorted_array[i] = unsorted_array[i], unsorted_array[last_of_less_group]
unsorted_array[left], unsorted_array[last_of_less_group] = unsorted_array[last_of_less_group], unsorted_array[left]
return last_of_less_group
其中包含了一个典型优化,随机选择待处理元素。这是由于对于近乎有序数组,快速排序划分的两个子数组一长一短,这种不平衡的划分会增加时间复杂度,最坏情况会达到$ O(N^2) $。
之后按照前述方式确定元素在排序数组中的位置。除此之外,还可以使用挖坑填数的方式从两端向中间寻找位置,详见下文两路快排。
算法优化
快排有诸多优化方式:
随机选择待处理元素。
在元素较少的时候,使用插入排序作为代替,较少递归开销。
双路快排,通过打乱相等元素,解决重复元素造成划分不平衡的问题。
三路快排,通过明确划分出相等元素,进一步解决上述问题。
双路快排
对于前文介绍的单路快排,如果数组中存在大量重复元素,在某轮递归处理中,将会出现大量array[left]==array[i]的情况,这些相等的数值会被放到大元素组,从而造成划分的不平衡。为了解决这个问题,采用如下思路:
从数组左端开始构造小元素组,从右端构造大元素组,直到两边都遇到不属于该元素组的元素,将这两个元素交换。其中等于array[left](待确定排序位置的元素)的情况也进行交换。
通过这种方式,等于array[left]的元素被尽可能地分散到两个分组中。
例如,对于数组[1, 2, 2, 3, 1, 1, 1, 1, 0, 0, 0, 1, 1, 2, 2]。
双路交换后变为[1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 3, 2, 2, 2, 2],返回的划分点位置为6(0为起始)。
如果为单路交换,结果为[0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 3, 1, 1, 2, 2], 返回的划分点位置为3。
如果将下述双路快排中unsorted_array[i] < v和unsorted_array[j] > v改为unsorted_array[i] <= v和unsorted_array[j] >= v,此时对于相等的情况不交换。结果为[0, 0, 0, 1, 1, 1, 1, 1, 3, 2, 2, 1, 1, 2, 2], 返回的划分点位置为3。
显然,后两种情况都产生了不平衡的划分。
def quick_sort_partition_two_way(unsorted_array, left, right):
random_p = random.randint(left, right)
unsorted_array[left], unsorted_array[random_p] = unsorted_array[random_p], unsorted_array[left]
v = unsorted_array[left]
i = left + 1
j = right
while True:
while i <= right and unsorted_array[i] < v:
i += 1
while j >= left + 1 and unsorted_array[j] > v:
j -= 1
if i >= j:
break
unsorted_array[i], unsorted_array[j] = unsorted_array[j], unsorted_array[i]
i += 1
j -= 1
unsorted_array[left], unsorted_array[j] = unsorted_array[j], unsorted_array[left]
return j
注意,while i <= right and unsorted_array[i] < v:这一行不可以先判断元素大小再判断数组越界,这样会出现数组访问越界错误,当前写法利用了“与”运算如果前面为False则不再考虑后面的特性。
三路快排
上述双路快排只是尽可能的解决了重复元素的问题,三路快排通过显式的将数组划分为三组,有效解决了重复元素的问题。划分的三组为大于array[left],小于array[left],等于array[left]。其主要思路与前述两个快排类似:
每轮递归中,对于当前元素i,如果小于目标,放到左边的less_group,如果大于目标,放到右边的greater_group,如果等于目标,放到中间。之后对两边的大小分组继续递归,直到排序完成。
使用python的partition函数实现如下:
def quick_sort_partition_three_way(unsorted_array, left, right):
random_p = random.randint(left, right)
unsorted_array[left], unsorted_array[random_p] = unsorted_array[random_p], unsorted_array[left]
last_of_less_group = left
first_of_greater_group = right + 1
v = unsorted_array[left]
i = left + 1
while i < first_of_greater_group:
if unsorted_array[i] < v:
unsorted_array[last_of_less_group + 1], unsorted_array[i] = unsorted_array[i], unsorted_array[last_of_less_group + 1]
i += 1
last_of_less_group += 1
elif unsorted_array[i] > v:
unsorted_array[i], unsorted_array[first_of_greater_group - 1] = unsorted_array[first_of_greater_group - 1], unsorted_array[i]
first_of_greater_group -= 1
else:
i += 1
unsorted_array[left], unsorted_array[last_of_less_group] = unsorted_array[last_of_less_group], unsorted_array[left]
return last_of_less_group, first_of_greater_group
上述实现较为简单,其中需要注意的地方在于unsorted_array[i] > v的情况时,不需要进行i += 1,这是由于换过来的元素大小不定,需要在当前位置继续比较。而对于unsorted_array[i] < v的情况,交换过来的array[last_of_less_group + 1]一定等于v,因此可以前往下一个元素。
算法测试
本文涉及代码均通过正确性测试。以下是性能测试结果:
创建测试数组
对于快速排序:
100000大小数组耗时:0.484760s
1000000大小数组耗时:7.085851s
100000大小随机范围较小数组耗时: **stack overflow**
100000大小近乎有序数组耗时:0.386866s
.
对于双路快速排序:
100000大小数组耗时:0.327692s
1000000大小数组耗时:4.167595s
100000大小随机范围较小数组耗时:0.328271s
100000大小近乎有序数组耗时:0.257662s
.
对于三路快速排序:
100000大小数组耗时:0.467874s
1000000大小数组耗时:6.011800s
100000大小随机范围较小数组耗时:0.032722s
100000大小近乎有序数组耗时:0.472250s
.
对于归并排序:
100000大小数组耗时:0.684923s
1000000大小数组耗时:7.055477s
100000大小随机范围较小数组耗时:0.613237s
100000大小近乎有序数组耗时:0.473848s
.
----------------------------------------------------------------------
Ran 4 tests in 37.741s
OK
首先值得注意的是,如果对10000大小随机范围[0-3]的数组进行单路快排,会出现栈溢出。此时重复元素过多,划分过于不平衡,递归次数过多。
整体而言,快速排序具有很好的性能,尤其双路快排拥有最快的性能,但三路快排对存在大量重复元素有着更好的性能,因此被许多编程语言作为默认排序方法。另外,Python的默认排序方法为TimeSort,其性能更为优秀。
算法复杂度
时间复杂度为$ O(Nlog(N)) $,空间复杂度为$ O(1) $。
有趣的实现
来源于网络的一则单行快排python实现,可以看作上文单路快排,且不含优化的版本。
quicksort = lambda l: quicksort([i for i in l[1:] if i < l[0]]) + [l[0]] + quicksort([j for j in l[1:] if j >= l[0]]) if l else []
python实现快速排序算法_基础算法:快速排序(python实现)相关推荐
- python二分法查找程序_基础算法——查找(二分法)(python)
基础算法--查找(二分法)(python).二分查找法(BinarySearchST)应用十分广泛,是必须要掌握的查找方法.适用对象是有序数组.具有最优的查找效率和空间需求,能够进行有序相关的操作.但 ...
- 递归_三要素_基础算法必备
递归_三要素_基础算法必备 目录 第一要素:明确函数作用 第二要素:递归结束条件 第三要素:函数等价关系 第一要素:明确函数作用 对于递归,我觉得很重要的一个事就是,这个函数的功能是什么,他要完成什么 ...
- cb32a_c++_STL_算法_查找算法_(5)adjacent_find
cb32a_c++_STL_算法_查找算法_(5)adjacent_find adjacent_find(b,e),b,begin(),e,end() adjacent_find(b,e,p),p-p ...
- 常用十大算法_回溯算法
回溯算法 回溯算法已经在前面详细的分析过了,详见猛击此处. 简单的讲: 回溯算法是一种局部暴力的枚举算法 循环中,若条件满足,进入递归,开启下一次流程,若条件不满足,就不进行递归,转而进行上一次流程. ...
- 视频教程-跟着王进老师学开发之Python篇第一季:基础入门篇-Python
跟着王进老师学开发之Python篇第一季:基础入门篇 教学风格独特,以学员视角出发设计课程,难易适度,重点突出,架构清晰,将实战经验融合到教学中.讲授技术同时传递方法.得到广大学员的高度认可. 王进 ...
- python语言基本排序算法_排序算法(Python)
参考: <数据结构(Python 语言描述)> - 3.4 基本排序算法.3.5 更快的排序 Tips:为了保持简洁,每个函数都只处理整数列表,并且假设列表不为空. 目录.jpg 术语 1 ...
- python编程的50种基础算法_Python算法新手入门大全
干货:GitHub标星2.6万!Python算法新手入门大全 Python已经成为最受欢迎的程序设计语言之一.自从2004年以后,python的使用率呈线性增长.2011年1月,它被TIOBE编程语言 ...
- python写数据结构书_有哪些用 Python 语言讲算法和数据结构的书?
python数据结构基础工具书籍下载-持续更新www.jianshu.com 以上网址有大量python数据结构的书籍下载,内容比较长,我这边拷贝了一部分. 本书示例丰富,图文并茂,以让人容易理解的 ...
- python分治算法_分治法及其python实现例子
在前面的排序算法学习中,归并排序和快速排序就是用的分治法,分治法作为三大算法之一的,有非常多的应用例子. 分治法概念 将一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题-- ...
最新文章
- python关联规则挖掘_Python3:文本关联规则挖掘实现案例分析
- HTTP状态码(HTTP Status Code),常见的error 404, error 504等的意思
- Spring之Bean的配置(一)
- hdu 3577(线段树区间更新)
- Highcharts 环境配置介绍
- C# WPF MVVM开发框架Caliburn.Micro IResult和协同程序⑥
- python读取oracle数据库性能_用python对oracle进行简单性能测试
- iOS执行时工具-cycript
- 12 哈希表相关类——Live555源码阅读(一)基本组件类
- 服务器修改地址,服务器修改管理地址
- Machine Learning学习计划
- mongodb的架构 副本集搭建
- 我的世界java占用太多内存_Java 进程占用内存过多,幕后元凶原来是线程太多
- 震撼上市!北朝鲜语对话语音识别数据库
- JVM启动参数手册——JVM之八
- Android 车载应用开发与分析(12) - SystemUI (一)
- 先有鸡还是先有鸡蛋?C语言发展史给出的答案
- ps快捷图标在哪个文件夹_在PS中制作一个下载文件夹的图标
- 海贼王---追了好久的动漫了闲来无事发几张图嘿嘿
- 如何把视频嵌入PPT合为一个文件