Python数据结构与算法(16)---快速排序

简介: Python数据结构与算法(16)---快速排序

快速排序


快速排序,又称Quick Sort,其本身对冒牌排序进行了相应的改进。


其基本原理:通过一轮排序将要排序的数据分割成独立的2个部分,其中一部分的所有数据都比另外一部分的所有数据小,然后再按照此放法对2部分数据分别进行快速排序,整个排序过程可以递归进行,直到整个数据变成有序序列。


具体算法实施过程如下:


1.首先,选取列表的最后一个元素最为基准数N,小于N的放前边,大于等于N的放后面。

2.然后,接着再取前边的最后一个数为基准,同上放置。

3.一直到每部分的下标相等,即完成快速排序。


其平均时间复杂度为O(n*log2n)


图解快速排序

还是以前文的列表数据为例。假设,我们的列表数据为[8,0,4,3,2,1]。那么,我们排序的过程如下图所示:


读者是否发现,相对于前面的排序,快速排序的过程要简单的多。而且对于通过一个列表,过程也要少的多?这也是其之所以叫快速排序的原因之所在。


实战:快速排序

介绍了前面的原理,这里我们直接上快速排序的代码。详细的代码步骤解析都在代码之中,博主就不在赘述,示例如下:

def move_num(my_list, low, high):
    N = my_list[high]  # 确定基数N
    move = low - 1  # 从左边减1开始
    for i in range(low, high):
        if my_list[i] <= N:
            move += 1  # 记录最近一个交换值的下标
            my_list[move], my_list[i] = my_list[i], my_list[move]  # 大的放后面,小的放move处
    my_list[move + 1], my_list[high] = my_list[high], my_list[move + 1]  # 最后一次,把N值放到move+1处
    return move + 1
def quick_sort(my_list, low, high):
    n = len(my_list)
    if n == 1:
        return my_list
    if low < high:  # low==high停止排序
        N = move_num(my_list, low, high)  # 一次比较排序
        quick_sort(my_list, low, N - 1)  # 递归前一部分排序
        quick_sort(my_list, N + 1, high)  # 递归后一部分排序
    return my_list
if __name__ == "__main__":
    my_list = [8, 0, 4, 3, 2, 1]
    print("排序前的数组:", my_list)
    print("排序后的数组:", quick_sort(my_list, 0, len(my_list) - 1))


运行之后,效果如下:


使用场景

有名字我们就可以直到,快速排序在排序的速度上更快,但需要注意的是,因为其递归需要额外的内存空间存储临时值,当需要排序的元素变得很多的时候。


则需要考虑到内存空间的使用要求,比如有十几万元素左快速排序,则会产生非常大的存储空间开销。所以,我们选择用那种算法应该因数据而异。

相关文章
|
2月前
|
算法 数据可视化 数据挖掘
基于EM期望最大化算法的GMM参数估计与三维数据分类系统python源码
本内容展示了基于EM算法的高斯混合模型(GMM)聚类实现,包含完整Python代码、运行效果图及理论解析。程序使用三维数据进行演示,涵盖误差计算、模型参数更新、结果可视化等关键步骤,并附有详细注释与操作视频,适合学习EM算法与GMM模型的原理及应用。
|
2月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
59 1
|
2月前
|
存储 监控 算法
基于 Python 跳表算法的局域网网络监控软件动态数据索引优化策略研究
局域网网络监控软件需高效处理终端行为数据,跳表作为一种基于概率平衡的动态数据结构,具备高效的插入、删除与查询性能(平均时间复杂度为O(log n)),适用于高频数据写入和随机查询场景。本文深入解析跳表原理,探讨其在局域网监控中的适配性,并提供基于Python的完整实现方案,优化终端会话管理,提升系统响应性能。
69 4
|
4月前
|
算法 Python
Apriori算法的Python实例演示
经过运行,你会看到一些集合出现,每个集合的支持度也会给出。这些集合就是你想要的,经常一起被购买的商品组合。不要忘记,`min_support`参数将决定频繁项集的数量和大小,你可以根据自己的需要进行更改。
161 18
|
5月前
|
算法 搜索推荐
快速排序-数据结构与算法
快速排序(Quick Sort)是一种基于分治法的高效排序算法。其核心思想是通过选择基准(pivot),将数组划分为左右两部分,使得左侧元素均小于基准,右侧元素均大于基准,然后递归地对左右两部分进行排序。时间复杂度平均为 O(n log n),最坏情况下为 O(n²)(如数组已有序)。空间复杂度为 O(1),属于原地排序,但稳定性不佳。 实现步骤包括编写 `partition` 核心逻辑、递归调用的 `quickSort` 和辅助函数 `swap`。优化方法有随机化基准和三数取中法,以减少最坏情况的发生。
268 13
|
4月前
|
存储 机器学习/深度学习 算法
论上网限制软件中 Python 动态衰减权重算法于行为管控领域的创新性应用
在网络安全与行为管理的学术语境中,上网限制软件面临着精准识别并管控用户不合规网络请求的复杂任务。传统的基于静态规则库或固定阈值的策略,在实践中暴露出较高的误判率与较差的动态适应性。本研究引入一种基于 “动态衰减权重算法” 的优化策略,融合时间序列分析与权重衰减机制,旨在显著提升上网限制软件的实时决策效能。
126 2
|
5月前
|
算法 数据可视化 Python
Python中利用遗传算法探索迷宫出路
本文探讨了如何利用Python和遗传算法解决迷宫问题。迷宫建模通过二维数组实现,0表示通路,1为墙壁,&#39;S&#39;和&#39;E&#39;分别代表起点与终点。遗传算法的核心包括个体编码(路径方向序列)、适应度函数(评估路径有效性)、选择、交叉和变异操作。通过迭代优化,算法逐步生成更优路径,最终找到从起点到终点的最佳解决方案。文末还展示了结果可视化方法及遗传算法的应用前景。
146 5
|
5月前
|
存储 监控 算法
基于 Python 哈希表算法的局域网网络监控工具:实现高效数据管理的核心技术
在当下数字化办公的环境中,局域网网络监控工具已成为保障企业网络安全、确保其高效运行的核心手段。此类工具通过对网络数据的收集、分析与管理,赋予企业实时洞察网络活动的能力。而在其运行机制背后,数据结构与算法发挥着关键作用。本文聚焦于 PHP 语言中的哈希表算法,深入探究其在局域网网络监控工具中的应用方式及所具备的优势。
143 7
|
5月前
|
存储 监控 算法
员工电脑监控场景下 Python 红黑树算法的深度解析
在当代企业管理范式中,员工电脑监控业已成为一种广泛采用的策略性手段,其核心目标在于维护企业信息安全、提升工作效能并确保合规性。借助对员工电脑操作的实时监测机制,企业能够敏锐洞察潜在风险,诸如数据泄露、恶意软件侵袭等威胁。而员工电脑监控系统的高效运作,高度依赖于底层的数据结构与算法架构。本文旨在深入探究红黑树(Red - Black Tree)这一数据结构在员工电脑监控领域的应用,并通过 Python 代码实例详尽阐释其实现机制。
107 7

热门文章

最新文章

推荐镜像

更多