快速排序的介绍
快速排序(quick sort)的采用了分治的策略。
- 分治策略指的是：
将原问题分解为若干个规模更小但结构与原问题相似的子问题。递归地解这些子问题，然后将这些子问题的解组合为原问题的解。 - 快排的基本思想是：
在序列中找一个划分值，通过一趟排序将未排序的序列排序成 独立的两个部分，其中左边部分序列都比划分值小，右边部分的序列比划分值大，此时划分值的位置已确认，然后再对这两个序列按照同样的方法进行排序，从而达到整个序列都有序的目的。
先来看一个 我更想称之为伪快排的快排代码
def quick_sort(array): if len(array) < 2: return array else: pivot = array[0] less_than_pivot = [x for x in array if x <= pivot] more_than_pivot = [x for x in array if x > pivot] return quick_sort(less_than_pivot) + [pivot] + quick_sort(more_than_pivot)
这段代码最关键的是pivot这个参数，这段代码里取序列的第一个元素，然后以这个元素为分组的基准，利用列表解析式使得它左边的值都比它小，右边的值都比它大。然后再分别对这些序列进行递归排序。
这段代码虽然短小利于理解，但是其效率很低，主要体现在以下方面：
- 分组基准的选取过于随便，不一定可以取到列表的中间值
- 空间复杂度大，使用了两个列表解析式，而且每次选取进行比较时需要遍历整个序列。
- 若序列长度过于小(比如只有几个元素)，快排效率就不如插入排序了。
- 递归影响性能，最好进行优化。
另一种算法2：
QuickSort by Alvin def QuickSort(myList,start,end): #判断low是否小于high,如果为false,直接返回 if start < end: i,j = start,end #设置基准数 base = myList[i] while i < j: #如果列表后边的数,比基准数大或相等,则前移一位直到有比基准数小的数出现 while (i < j) and (myList[j] >= base): j = j - 1 #如找到,则把第j个元素赋值给第个元素i,此时表中i,j个元素相等 myList[i] = myList[j] #同样的方式比较前半区 while (i < j) and (myList[i] <= base): i = i + 1 myList[j] = myList[i] #做完第一轮比较之后,列表被分成了两个半区,并且i=j,需要将这个数设置回base myList[i] = base #递归前后半区 QuickSort(myList, start, i - 1) QuickSort(myList, j + 1, end) return myList myList = [49,38,65,97,76,13,27,49] print("Quick Sort: ") QuickSort(myList,0,len(myList)-1) print(myList)