Python实现快速排序(非递归实现)
快速排序同样也是分治的思想，核心依然是分而治之，各个击破。
快速排序的思想是：找到一个数字x，对数组nums进行排序，使x左侧的数字都小于x，右侧的数字都大于x，然后对左侧和右侧重复同样的操作，直到所有的数字都已按序排列。
根据上面的思想，实现代码如下：
#QuickSort：used the divide and conquer idea to sort array
def QuickSort(nums:list,left:int,right:int) -> list:
'''
nums: disorderly arry
left,right: bounds of the array to be sorted
'''
if left >= right:
return
p = getIndex(nums,left,right)
QuickSort(nums,left,p-1)
QuickSort(nums,p+1,right)
return nums
def swap(nums:list,i:int,j:int):
temp = nums[i]
nums[i] = nums[j]
nums[j] = temp
def getIndex(nums:list,left:int,right:int) -> int:
'''
divide nums around x
'''
n = nums[left]
i,j = left,right
while True:
while i < right and nums[i] <= n:
i += 1
while nums[j] > n:
j -= 1
if i >= j:
break
else:
swap(nums,i,j)
nums[left] = nums[j]
nums[j] = n
return j
快排的时间复杂度受到所选择数字的影响，最坏的情况是每次找到的数字x均为最大或者最小，使得划分后一侧有n-1个数字，这样是时间复杂度为n^2，如果每次找的数字x都为中值，那么时间复杂度nlogn，这是最好的情况，快速排序的平均时间复杂度可以证明为 nlogn
对于快排的时间复杂度比较依赖于选取元的问题，我们可以使用随机取元的方法(任取left，right内的一个元素) 或者 三者取中(取nums[left],nums[mid],nums[right]三者中的中间值)
随机取元即在确定x的时候，不再是x=nums[left]，而是随机的从nums[left，right]中取一个元素作为x，即令x = random.choice(range(left,right+1))，那么利用原先的代码，我们只要增加一个RandomGetIndex函数即可，实现代码如下：
def RandomGetIndex(nums:list,left:int,right:int) -> int:
temp = random.choice(range(left,right+1))
swap(nums,left,temp)
index = getIndex(nums,left,right)
return index
#我们递归函数的代码修改为如下
def QuickSort(nums:list,left:int,right:int) -> list:
'''
nums: disorderly arry
left,right: bounds of the array to be sorted
'''
if left >= right:
return
p = RandomGetIndex(nums,left,right)
QuickSort(nums,left,p-1)
QuickSort(nums,p+1,right)
return nums
三者取中的思想是希望能选取一个比较中间的值，这样可以使时间复杂度，更加趋近于nlogn，一般三者取中的策略是选择nums[left]，nums[mid]，nums[right]，三个数里面居中的那个数字作为x，那么同样只需要增加一个ThreeGetMid函数来挑选中间值，然后调用getIndex即可：
def ThreeGetMid(nums:list,left:int,right:int) -> int:
mid = (left+right)//2
mid_num = getMidNum(nums,left,mid,right)
swap(nums,left,mid_num)
index = getIndex(nums,left,right)
return index
def getMidNum(nums:list,left:int,mid:int,right:int) -> int:
if nums[left] >= nums[mid] and nums[left] <= nums[right]:
return left
if nums[left] >= nums[mid] and nums[left] >= nums[right]:
return mid if nums[mid] >= nums[right] else right
if nums[left] <= nums[mid] and nums[left] >= nums[right]:
return left
if nums[left] <= nums[mid] and nums[left] <= nums[right]:
return mid if nums[mid] <= nums[right] else right
#我们递归函数的代码修改为如下
def QuickSort(nums:list,left:int,right:int) -> list:
'''
nums: disorderly arry
left,right: bounds of the array to be sorted
'''
if left >= right:
return
p = ThreeGetMid(nums,left,right)
QuickSort(nums,left,p-1)
QuickSort(nums,p+1,right)
return nums
在前面那篇递归算法笔记中曾经说过，递归调用是一个消耗堆栈空间的过程，那我们在进行递归调用的时候，可能就需要不得不考虑栈溢出的问题。
递归调用是一个重复自身的过程，那我们可以在程序中模拟一个堆栈，然后再使用for循环或者while循环完成其重复调用的部分，就可以将递归调用的算法，转换成非递归的实现。
那我们只需要将我们的递归函数QuickSort改写成，下面这样的代码：
#QuickSort_No_Stack
def QuickSort_No_Stack(nums:list,left:int,right:int) -> list:
temp = [left,right]
while temp:
j = temp.pop() # j = right
i = temp.pop() # i = left
index = getIndex(nums,i,j)
if i < index-1: # 压入堆栈 注意左右边界的顺序
temp.append(i)
temp.append(index-1)
if j > index+1:
temp.append(index+1)
temp.append(j)
return nums
人生不易 且行且珍惜
机器学习初学者
黄海广博士创建的公众号，黄海广博士个人知乎粉丝21000+，github排名全球前120名（30000+）。本公众号致力于人工智能方向的科普性文章，为初学者提供学习路线和基础资料。原创作品有：吴恩达机器学习个人笔记、吴恩达深度学习笔记等。
往期精彩回顾
那些年做的学术公益-你不是一个人在战斗
良心推荐：机器学习入门资料汇总及学习建议
吴恩达机器学习课程笔记及资源（github标星12000+，提供百度云镜像）
吴恩达深度学习笔记及视频等资源（github标星8500+，提供百度云镜像）
《统计学习方法》的python代码实现（github标星7200+）
精心整理和翻译的机器学习的相关数学资料
首发：深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书
图解word2vec(原文翻译)