图解排序算法：快速排序

来源于公众号：码农田小齐
作者： 小齐本齐 （本文来自作者投稿）

快速排序算法

首先选一个基准 pivot，然后过一遍数组，

• 把小于 pivot 的都挪到 pivot 的左边，
• 把大于 pivot 的都挪到 pivot 的右边。

这样一来，这个 pivot 的位置就确定了，也就是排好了 1 个元素。

然后对 pivot 左边 的数排序，
对 pivot 右边 的数排序，
就完成了。

那怎么排左边和右边？

答：同样的方法。

所以快排也是用的分治法的思想。

「分」

选择一个 pivot，就把问题分成了

• pivot 左边
• pivot 右边

这两个问题。

「治」

就是最开始描述的方法，直到每个区间内没有元素或者只剩一个元素就可以返回了。

「合」

放在一起自然就是。

但是如何选择这个 pivot？

取中间的？

取第一个？

取最后一个？

举个例子：{5, 2, 1, 0, 3}.

比如选最后一个，就是 3.

然后我们就需要把除了 3 之外的数分成「比 3 大」和「比 3 小」的两部分，这个过程叫做 partition（划分）。

这里我们仍然使用「挡板法」的思想，不用真的弄两个数组来存这两部分，而是用两个挡板，把区间划分好了。

我们用「两个指针」（就是挡板）把数组分成「三个区间」，那么

• 左边的区间用来放小于 pivot 的元素；
• 右边的区间用来放大于 pivot 的元素；
• 中间是未排序区间。

image

那么初始化时，我们要保证「未排序区间」能够包含除了 3 之外的所有元素，所以

• 未排序区间 = [i, j]

这样左边和右边的区间就成了：

• [0, i)：放比 3 小的数；
• (j, array.length -2]：放比 3 大的数

注意 ⚠️ i, j 是不包含在左右区间里的呢。

那我们的目的是 check 未排序区间里的每一个数，然后把它归到正确的区间里，以此来缩小未排序区间，直到没有未排序的元素。

从左到右来 check：

Step1.

5 > 3, 所以 5 要放在右区间里，所以 5 和 j 指向的 0 交换一下：

image

这样 5 就排好了，指针 j --，这样我们的未排序区间就少了一个数；

Step2.

0 < 3，所以就应该在左边的区间，直接 i++；

image

Step3.

2 < 3，同理，i++；

image

Step4.

1 < 3，同理，i++；

image

所以当两个指针错位的时候，我们结束循环。

但是还差了一步，3 并不在正确的位置上呀。所以还要把它插入到两个区间中间，也就是和指针 i 交换一下。

image

image

声明：这里并不鼓励大家把 pivot 放最左边。

基本所有的书上都是放右边，既然放左右都是一样的，我们就按照大家默认的、达成共识的来，没必要去“标新立异”。

就比如围棋的四个星位，但是讲究棋道的就是先落自己这边的星位，而不是伸着胳膊去够对手那边的。

那当我们把 pivot 换回到正确的位置上来之后，整个 partition 就结束了。

之后就用递归的写法，对左右两边排序就好了。

最后还有两个问题想和大家讨论一下：

1. 回到我们最初选择 pivot的问题，每次都取最后一个，这样做好不好？

答：并不好。

因为我们是想把数组分割的更均匀，均匀的时间复杂度更低；但是如果这是一个有序的数组，那么总是取最后一个是最不均匀的取法。

所以应该随机取 pivot，这样就避免了因为数组本身的特点总是取到最值的情况。

2. pivot 放在哪

随机选取之后，我们还是要把这个 pivot 放到整个数组的最右边，这样我们的未排序区间才是连续的，否则每次走到 pivot 这里还要想着跳过它，心好累哦。

class Solution {
  public void quickSort(int[] array) {
    if (array == null || array.length <= 1) {
      return;
    }
    quickSort(array, 0, array.length - 1);
  }
  private void quickSort(int[] array, int left, int right) {
    // base case
    if (left >= right) {
      return;
    }

    // partition
    Random random = new Random(); // java.util 中的随机数生成器
    int pivotIndex = left + random.nextInt(right - left + 1);
    swap(array, pivotIndex, right);

    int i = left;
    int j = right-1;
    while (i <= j) {
      if (array[i] <= array[right]) {
        i++;
      } else {
        swap(array, i, j);
        j--;
      }
    }
    swap(array, i, right);

    //「分」
    quickSort(array, left, i-1);
    quickSort(array, i+1, right);
  }
  private void swap(int[] array, int x, int y) {
    int tmp = array[x];
    array[x] = array[y];
    array[y] = tmp;
  }
}

这里的时空复杂度和分的是否均匀有很大关系，所以我们分情况来说：

1. 均分

时间复杂度

如果每次都能差不多均匀分，那么

• 每次循环的耗时主要就在这个 while 循环里，也就是 O(right - left)；
• 均分的话那就是 logn 层；
• 所以总的时间是 O(nlogn).

image

空间复杂度

• 递归树的高度是 logn，
• 每层的空间复杂度是 O(1)，
• 所以总共的空间复杂度是 O(logn).

2. 最不均匀

如果每次都能取到最大/最小值，那么递归树就变成了这个样子：

image

时间复杂度

如上图所示：O(n^2)

空间复杂度

这棵递归树的高度就变成了 O(n).

3. 总结

实际呢，大多数情况都会接近于均匀的情况，所以均匀的情况是一个 average case.

为什么看起来最好的情况实际上是一个平均的情况呢？

因为即使如果没有取到最中间的那个点，比如分成了 10% 和 90% 两边的数，那其实每层的时间还是 O(n)，只不过层数变成了以 9 为底的 log，那总的时间还是 O(nlogn).

所以快排的平均时间复杂度是 O(nlogn)。

稳定性

那你应该能看出来了，在 swap 的时候，已经破坏了元素之间的相对顺序，所以快排并不具有稳定性。

这也回答了我们开头提出的问题，就是

• 为什么对于 primitive type 使用快排，

• 因为它速度最快；

• 为什么对于 object 使用归并，

• 因为它具有稳定性且快。

以上就是快排的所有内容了，也是很常考的内容哦！