python快速排序的原理_理解快速排序算法

快速排序的时间复杂度为O(nlogn)，空间复杂度为O(n)。根据@张小牛的文章快速排序(Quick Sort)详解，证明最优的排序算法，其时间复杂度可为O(nlogn)，对应的空间复杂度可为O(n)。快速排序可实现理论最优效率，这可能是快速排序比较重要的原因吧。

我们基于Python学习写一下快速排序吧。

先给定一个长度为10的列表data = [5, 4, 7, 8, 2, 7, 8, 5, 6, 3]，如下：

初始列表

有了一个列表，看起来会直观多了吧，但是我们想放着不管。快速排序的主旨很简单：找一个标杆数，称为X，然后根据X把数组的数分堆，小于X的全放左边，大于X的全放右边，就可以啦。对于实际情况呢，我们还需要考虑等于X的情况，我将其与小于归为一起，即数组排列后，形成“小于等于X” + “大于X”两部分。

就是说，快速排序的主要步骤就是：找X + 跟X比大小排列？

你可能会疑惑，只是按“比X大或比X小”排列数组，怎么能得到完整的排序呢。一次排列几乎不可能排好，但我们可以将排了一次的数组上，切分为“小于等于X”和“大于X”两块，再对这两块分别再找标杆数X'和X''，接着再分别排序。最后组合再一起，就得到了排列了两次的数组，其顺序肯定更接近完美序列。那么我们继续这么“切分→找标杆数→排列”操作下去呢？在此例中，由于每一分堆总小于右侧的分堆，而大于左侧的分堆，同时每个分堆内部已排好序，因此整个序列排序完成。

以上这种操作叫做“递归”，可以对数组不断地切分并采用同样的排列模式进行排列，直到递归条件不再满足，则停止递归。在这里，我们选择切分后数组的长度大小，作为递归的条件，细节在后面详述。

我们不妨先试着试验一下，找X，然后将数组跟X比大小排列。我没有研究哪一个当标杆好，不如就选第一个数字吧。

选择第一个数字为“标杆数”

下面我们就要依据“标杆数”，也就是数字“5”（其序数为0），对其余部分进行分堆了。我们想分为“<=5”与“>5”的两部分，并使前者位于左侧，后者位于右侧，操作步骤如下：

1. 命名左侧序数为 i，初始 i = 1；命名右侧序数为 j，初始 j = len(data)-1（即最后一位）。

初始化i、j

2. 让j开始移动并进行判断：

若j所在的数字<=5，则让i开始向右移动，直到i所在的数字>5，接着交换data中i, j所对应的数字，即:

data[i], data[j] = data[j], data[i]

若j所在数字>5，则忽略，继续向左移动。

3. 当 j == i 时，意味着交换结束，列表除了首位的“标杆数”，其余部分分为<=5和>5两堆，那么我们还应该把“5”放到这两堆中间，让列表看上去更有序。即：

data[0], data[j] = date[j], data[0]

注意：如果j此时不在列表中间呢，比如由于数据特殊，j最终停在在首、尾处呢？

不能交换

可以交换

考虑到这一点，我们就可以意识到，要做的是把一开始找的标杆放到应有的位置上，即最后一个<=5的数的位置。因此，我们在交换前加一个判断：

if data[j] <= data[0]:

data[0], data[j] = data[j], data[0]

4. 结束操作，返回此时的data。

容易看到，由于我让j的移动占主动性，j先找到一个<=5的数后，i才能开始行动找>2的数。那么当j、i会，请问j最终会停在<=5还是>5的数字上呢？

答案是：对于这里给出的data，j总是会停在<=5的数字上，或者说对于len(data)>5的data，j与i总是相遇在最右的“<=标杆数”的位置上（仔细想一想~）。

这样做是为了便于data[j]与data[0]交换，所以让j先行；如果让i先行，那么相反的，i、j通常相遇在最左的“>标杆数”的位置上，这样不利于data[i]与data[0]交换。

对于len(data) == 1 or len(data) == 2的两种例外情况，留给读者思考。伪代码如下：

if len(data) == 2:

if data[j] <= data[0]:

data[0], data[j] = data[j], data[0]

return quicksort(data[left_part]) + quicksort(data[right_part])

if len(data) == 1:

return data

以上部分讲的是单次排序的（啰嗦）细节，整个快速排序是若干次单次排序的递归，下面讲解一下递归部分：

首先简化模型，我们把不直观的“数字比大小”转换为直观的“图形排序”，将data中的“标杆数5”及<=5的数替换为“☻”，将>5的数替换为“█”，则有：

接着，用上述的i，j排序规则操作一遍之后，得到：

是不是清晰许多？

进行递归，我们要做的就是把分大小排序的data拆分为两个data，分界线即为“标杆数”，然后分别对两个拆分data排序，直至抵达递归的回归条件（len(data) <= 1即终止）。

对示例列表进行快速排序的原理如下：

完整代码如下：

def quicksort(data): #快速排序

stone = data[0]

i = 1

j = len(data)-1

if len(data) > 1: #分为len(data) >2和len(data) == 2两种情况，可合并

while j > i:

if data[j] <= stone:

if data[i] > stone:

data[j], data[i] = data[i], data[j]

else:

i += 1

else:

j -= 1

if data[j] <= stone: #当len(data) == 2时只执行此部分

data[0], data[j] = data[j], data[0]

return quicksort(data[:j]) + quicksort(data[j:])

else: #回归条件，len(data) <= 1

return data

完结撒花~

以上 .

python快速排序的原理_理解快速排序算法相关推荐

python tk mainloop原理_理解Tkinter mainloop（）的逻辑以及为什么变量没有重新分配它们的原始值？...
据我所知,window.mainloop()不断重复GUI代码,以便窗口及其小部件保持在屏幕上.因此,为什么一个变量(如canvastext)可以被更新并保持更新?难道window.mainloop( ...
java随机数排序算法_理解快速排序算法
快速排序在平均状况下,排序n个项目要Ο(n log n)次比较.在最坏状况下则需要Ο(n^2)次比较,但这种状况并不常见.事实上,快速排序通常明显比其他Ο(n log n)算法更快,因为它的内部循环 ...
冒泡和快速排序的时间复杂度_八大排序算法性能分析及总结
一.排序算法说明排序的定义:对一个无序的序列进行排序的过程. 输入:n个数:a1,a2,a3,-,an. 输出:n个数的排列:a1,a2,a3,-,an,使得a1<=a2<=a3< ...
python计算三角形面积_【Scratch算法编程】计算三角形面积
[问题]已知一个三角形三条边的边长分别为a,b,c,利用海伦-秦九韶公式设计一个计算三角形面积的算法.(已知三角形三边边长分别为a b c,则三角形的面积为S= ),其中p= .这个公式被称为海伦-秦 ...
l bfgs算法java代码_理解L-BFGS算法
理解L-BFGS算法 Mar 30, 2015 #数值优化 #无约束最优化 L-BFGS(Limited-Memory BFGS)是BFGS算法在受限内存时的一种近似算法,而BFGS是数学优化中 ...
python生成器yield原理_生成器yield关键字详解
鉴于yield关键字的原理大家理解的都不是很深刻,今天我们主要就这一课题进行探讨. 生成器可以用什么方式得到? 方法一: 利用推导式的方式得到生成器# 列表推导式 list1 = [i for i i ...
python 快速排序详解_数据结构与算法：快速排序(原理讲解+python实现)
快速排序快速排序是一种基于分治法(Divide and Conquer)的排序算法它之所以称为快速排序是因为它的平均时间复杂度为O(nlogn),最坏情况下是O(n2) 但是这样的情况不常见一般 ...
python遍历数组冒泡排序_经典排序算法（冒泡排序，选择排序，插入排序，快速排序，堆排序）python实现...
最近在复习经典排序算法,自己用python也实现了一下,这里不会涉及到原理(因为网上方法已经很详细啦),就把函数贴上来,可以让大家自己试着运行下,再结合别处的原理也可以更好地理解它们的实现. 如果有错 ...
python画爱心原理_如何理解python一行代码实现一个爱心字符画？
前言 python中有个很酷的效果,一行代码实现一个爱心字符,虽说是一行代码,但是理解起来还是比较难的,括号太多,并且使用了python的一些快捷小技巧.比如三元表达式,列表生成式,字符串拼接以及一个 ...
冒泡和快速排序的时间复杂度_各种排序算法总结
各种排序算法的稳定性,时间复杂度和空间复杂度总结: 我们比较时间复杂度函数的情况: 时间复杂度函数O(n)的增长情况: 所以对于n较大的排序记,一般的选择都是时间复杂度为O(nlog2n)的排序方法. ...

python快速排序的原理_理解快速排序算法

python快速排序的原理_理解快速排序算法相关推荐

最新文章

热门文章