python注释与代码风格

快速排序

快速排序，通过一趟排序将要拍学的数据分割成独立的两部分，其中一部分的的所有数据都比另一部分的所有数据要小，然后再按此方法对这两部分数据进行快速排序，整个排序过程可以递归进行，以达到整个数据变成有序序列。
步骤为：

1. 从数列中挑出一个元素，称为“基准”
2. 重新排序数列，所有元素比基准值晓得排放在基准前面，所有元素比基准值大的摆放在后面（相同的数可以到任一边）。在这个分区结束后，该基准就处于数列的中间位置。这个称为分区操作
3. 递归的把小于基准值圆的子数列和大于基准值元素的子序列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序号了。虽然一直递归下去，但是这个算法总会结束，因为在每次的迭代中，它至少会吧一个元素白发哦它最后的位置去。

时间复杂度

• 最优时间复杂度：log2n
• 最坏时间复杂度：O(n²)
• 稳定性：不稳定

从一开始快速排序平均花费O（nlog2n）时间的描述并不明显，但是不能观察到的是分区运算，数组的元素都会在每一次循环中走访一次，使用O（n）的时间，
在最好的情况，我们运行一次分区，我们就把一个数列分为几个近相等的片段。这个意思就是每次递归调用处理一半大小的数列。因此，在到达大小为一的数列前，我们只要做log2n次嵌套的调用。这个意思就是调用树的深度是O(log2n)

# -*- coding: utf-8 -*-


def quick_sort(alist, first, end):
    """
    快速排序

    :param first: 列表起始位置
    :param end: 列表结束位置
    :param alist: 传入一个列表参数
    :return: 排序
    """
    if first >= end:
        return
    mid_value = alist[first]
    low = first
    height = end
    while low < height:
        # height 左移
        while low < height and alist[height] >= mid_value:
            height -= 1
        alist[low] = alist[height]
        while low < height and alist[low] < mid_value:
            low += 1
        alist[height] = alist[low]
    # 从循环退出时，low = height
    alist[low] = mid_value

    # 对low左边的列表执行快速排序
    quick_sort(alist, first, low-1)
    # low右边的列表执行快速排序
    quick_sort(alist, low+1, end)


if __name__ == '__main__':
    li = [22, 55, 2, 66, 3, 55, 22, 33, 33, 2, 3]
    print(li)
    n = len(li)
    quick_sort(li, 0, n-1)
    print(li)

---

转载请注明来源，欢迎指出任何有错误或不够清晰的表达。可以邮件至gxnucgb@qq.com