Python——快速排序法

本文深入讲解了快速排序算法的原理及实现过程,通过实例演示如何选取基准数并进行左右子数组的划分,最终完成数组的排序。代码示例清晰易懂,适合初学者理解快速排序的工作机制。

——每次都使用第一个数作为基准数

原理及过程

1.首先 我们选择一个数列lista = [18,12,4,65,24,9,66,15,88,13,21,25,16,1,43]

2.我们取第一个数 [18] 为基准数 base = lista[0]

3.我们再新建两个列表方便排列分别为:左子数组 less = [ ] 右子数组 greater = [ ]

4.将小于 [18] 的数放到左子数组less中,将大于 等于[18] 的数放到右子数组greater中:
less=[12,4,9,15,13,16,1] base=[18] greater=[65,24,66,88,21,25,43]

5.再重复以上步骤将左子数组和右子数组进行排列
less = [4, 9,1] [12] [15,13,16]
greater = [24,21,25,43] [65] [66,88]
6. 最后将所有数组相加

[18,12,4,65,24,9,66,15,88,13,21,25,16,1,43]
第一次排序
[12,4,9,15,13,16,1] [18] [65,24,66,88,21,25,43]
第二次排序
[4, 9,1] [12] [15,13,16] [18] [24,21,25,43] [65] [66,88]
第三次排序
[1] [4] [9] [12] [13] [15] [16] [18] [21] [24][25,43] [65] [66,88]

代码如下:

lista = [18,12,4,65,24,9,66,15,88,13,21,25,16,1,43]
def quick(lista):
    if len(lista) >= 2: #如果列表的长度小于等于1
        #左,子数组
        less = []
        # 右,子数组
        greater = []
        # 基准数
        base = lista[0] #选择第一个值为分界元素
        lista.remove(base)
        # 对原数组进行划分
        for x in lista:
            if x < base:
                less.append(x)
            else:
                greater.append(x)
    else:
        return lista
    #递归调用
    return quick(less) + [base] + quick(greater)

print(quick(lista))
### 快速排序分治算实现与原理 快速排序是一种基于分治策略的经典排序,其核心思想是通过选取一个基准值(Pivot),将待排序数组划分为两个子数组,使得左侧子数组的元素均不大于基准值,右侧子数组的元素均不小于基准值。随后递归地对这两个子数组进行相同的操作,直到每个子数组只有一个元素或为空为止。 #### 1. 快速排序的核心思想 快速排序的关键在于如何有效地划分数组以及递归处理子数组的过程。具体来说,快速排序可以分解为以下几个阶段[^2]: - **选择基准值 (Pivot)**:通常可以选择第一个元素、最后一个元素或者随机选择某个元素作为基准值。 - **分区操作 (Partition)**:重新列数组,使所有小于基准值的元素位于左边,所有大于基准值的元素位于右边,并返回基准值的位置索引。 - **递归排序**:对基准值两侧的子数组分别递归应用相同的分区和排序逻辑。 最终的结果是,当所有的子数组都被排序完成后,整个数组也变得有序。 #### 2. 时间复杂度分析 快速排序的时间性能取决于每次分割后的子数组大小分布情况。理想情况下,如果每次都能均匀地将数组一分为二,则时间复杂度为 \( O(N \log N) \)[^4]。然而,在最坏的情况下(例如输入数组已经完全逆序或顺序列),可能会退化至线性平方级的时间复杂度 \( O(N^2) \)。 #### 3. 空间复杂度 由于快速排序采用的是原地排序方式,因此不需要额外分配大量的存储空间来保存临时副本。除了用于记录递归调用栈的空间外,几乎无需其他辅助内存资源消耗。对于平均情况而言,递归深度大约为 \( \log N \),故总体空间复杂度接近于 \( O(\log N) \)[^2]。 #### 4. Python 实现代码示例 以下是使用Python编写的快速排序函数的一个简单版本: ```python def quick_sort(arr): if len(arr) <= 1: return arr else: pivot = arr[len(arr)//2] left = [x for x in arr if x < pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x > pivot] return quick_sort(left) + middle + quick_sort(right) # 测试例子 example_array = [3,6,8,10,1,2,1] print("Sorted array:", quick_sort(example_array)) ``` 此段程序展示了基本的功能框架,实际工程环境中可能还需要考虑更多边界条件及优化措施。 #### 5. 不稳定性的讨论 值得注意的一点是,尽管快速排序效率很高,但它并非总是稳定的排序。所谓稳定性是指相等键值的数据项在排序之后能够保持原有的相对次序不变。而因为我们在上面给出的例子中直接丢弃了关于位置的信息,所以在某些特定场景下可能导致原本相邻重复数值被打散重组从而破坏原有秩序关系[^1]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值