当前位置:
首页 > Python基础教程 >
-
用 python 实现各种排序算法(5)
不稳定,时间复杂度 O(nlog n)
快速排序
快速排序算法和合并排序算法一样,也是基于分治模式。对子数组A[p...r]快速排序的分治过程的三个步骤为:
分解:把数组A[p...r]分为A[p...q-1]与A[q+1...r]两部分,其中A[p...q-1]中的每个元素都小于等于A[q]而A[q+1...r]中的每个元素都大于等于A[q];
解决:通过递归调用快速排序,对子数组A[p...q-1]和A[q+1...r]进行排序;
合并:因为两个子数组是就地排序的,所以不需要额外的操作。
对于划分partition 每一轮迭代的开始,x=A[r], 对于任何数组下标k,有:
1) 如果p≤k≤i,则A[k]≤x。
2) 如果i+1≤k≤j-1,则A[k]>x。
3) 如果k=r,则A[k]=x。
代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
|
#!/usr/bin/env python # 快速排序 ''''' 划分 使满足 以A[r]为基准对数组进行一个划分,比A[r]小的放在左边, 比A[r]大的放在右边 快速排序的分治partition过程有两种方法, 一种是上面所述的两个指针索引一前一后逐步向后扫描的方法, 另一种方法是两个指针从首位向中间扫描的方法。 ''' #p,r 是数组A的下标 def partition1(A, p ,r): ''''' 方法一,两个指针索引一前一后逐步向后扫描的方法 ''' x = A[r] i = p - 1 j = p while j < r: if A[j] < x: i + = 1 A[i], A[j] = A[j], A[i] j + = 1 A[i + 1 ], A[r] = A[r], A[i + 1 ] return i + 1 def partition2(A, p, r): ''''' 两个指针从首尾向中间扫描的方法 ''' i = p j = r x = A[p] while i = x and i < j: j - = 1 A[i] = A[j] while A[i]< = x and i < j: i + = 1 A[j] = A[i] A[i] = x return i # quick sort def quick_sort(A, p, r): ''''' 快速排序的最差时间复杂度为O(n2),平时时间复杂度为O(nlgn) ''' if p < r: q = partition2(A, p, r) quick_sort(A, p, q - 1 ) quick_sort(A, q + 1 , r) if __name__ = = '__main__' : A = [ 5 , - 4 , 6 , 3 , 7 , 11 , 1 , 2 ] print 'Before sort:' ,A quick_sort(A, 0 , 7 ) print 'After sort:' ,A |
栏目列表
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
SQL SERVER中递归
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
这是目前我见过最好的跨域解决方案!
减少回流与重绘
减少回流与重绘
如何使用KrpanoToolJS在浏览器切图
performance.now() 与 Date.now() 对比
一款纯 JS 实现的轻量化图片编辑器
关于开发 VS Code 插件遇到的 workbench.scm.
前端设计模式——观察者模式
前端设计模式——中介者模式
创建型-原型模式