排序算法之快速排序
1.快速排序定义：
快排的主要思想：分治+迭代，只需要三步：
- 在数列之中，选择一个元素作为”基准”（pivot），或者叫比较值。
- 数列中所有元素都和这个基准值进行比较，如果比基准值小就移到基准值的左边，如果比基准值大就移到基准值的右边
- 以基准值左右两边的子列作为新数列，不断重复第一步和第二步，直到所有子集只剩下一个元素为止。
2.复杂度：
最优时间复杂度：O(nlogn)
最差时间复杂度：O(n^2)
最优空间复杂度为：O(logn) ；每一次都平分数组的情况
最差空间复杂度为：O( n ) ；退化为冒泡排序的情况
3.稳定性：
不稳定（比如基准值的前后都存在与基准值相同的元素，那么相同值就会被放在一边，这样就打乱了之前的相对顺序）
例如：【5(1),，8，5(2)，2，9】通过快速排序变为【2，5(1)，5(2)，8，9】or【2，5(2)，5(1)，8，9】
4.与归并排序的区别：
归并排序与快排两种排序思想都是分而治之，但是它们分解和合并的策略不一样：归并是从中间直接将数列分成两个，而快排是比较后将小的放左边大的放右边，所以在合并的时候归并排序还是需要将两个数列重新再次排序，而快排则是直接合并不再需要排序，所以快排比归并排序更高效一些。
5.面试
- 面试官：你了解快排吗？
- 你：略知一二
- 面试官：那你讲讲快排的算法思想吧
- 你：快排基本思想是：从数据集中选取一个基准，然后让数据集的每个元素和基准值比较，小于基准值的元素放入左边分区大于基准值的元素放入右边分区，最后以左右两边分区为新的数据集进行递归分区，直到只剩一个元素。
- 面试官：快排有什么优点，有什么缺点？
- 你：分治思想的排序在处理大数据集量时效果比较好，小数据集性能差些。
- 面试官：那该如何优化？
- 你：对大规模数据集进行快排，当分区的规模达到一定小时改用插入排序，插入排序在小数据规模时排序性能较好。
- 面试官：那你能手写一个快排吗？
- 你：quick_sort = lambda array: array if len(array) <=> array[0]])
6.Python代码：
1 #coding:utf-8 2 3 def parttion(v, left, right): 4 ''' 5 :param v: 要排序的列表 6 :param left: 列表起始端 7 :param right: 列表末端 8 :return: 9 ''' 10 key = v[left] #基准 11 low = left 12 high = right 13 while low < high: 14 while (low < high) and (v[high] >= key): 15 high -= 1 16 v[low], v[high] = v[high],v[low] 17 while (low < high) and (v[low] <= key): 18 low += 1 19 v[high],v[low] = v[low],v[high] 20 v[low] = key 21 return low 22 def quicksort(v, left, right): 23 if left < right: 24 p = parttion(v, left, right) 25 quicksort(v, left, p-1) 26 quicksort(v, p+1, right) 27 return v 28 29 s = [6, 8, 1, 4, 3, 9, 5, 4, 11, 2, 2, 15, 6] 30 print("before sort:",s) 31 s1 = quicksort(s, left = 0, right = len(s) - 1) 32 print("after sort:",s1)
输出结果：
