From f04cadadbe05559e4d840ba4b611bfb33aae9949 Mon Sep 17 00:00:00 2001 From: Nailcui Date: Mon, 15 Aug 2016 14:03:41 +0800 Subject: [PATCH 1/3] Update quick_sort.md MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit #问题 快速排序，这是一个经典的算法，本文给出几种python的写法，供参考。 特别是python能用一句话实现快速排序。 #思路说明 快速排序是C.R.A.Hoare于1962年提出的一种划分交换排序。它采用了一种分治的策略，通常称其为分治法(Divide-and-ConquerMethod)。 （1） 分治法的基本思想 分治法的基本思想是：将原问题分解为若干个规模更小但结构与原问题相似的子问题。递归地解这些子问题，然后将这些子问题的解组合为原问题的解。 （2）快速排序的基本思想 设当前待排序的无序区为R[low..high]，利用分治法可将快速排序的基本思想描述为： ###分解： 在R[low..high]中任选一个记录作为基准(Pivot)，以此基准将当前无序区划分为左、右两个较小的子区间R[low..pivotpos-1)和R[pivotpos+1..high]，并使左边子区间中所有记录的关键字均小于等于基准记录(不妨记为pivot)的关键字pivot.key，右边的子区间中所有记录的关键字均大于等于pivot.key，而基准记录pivot则位于正确的位置(pivotpos)上，它无须参加后续的排序。 注意： 划分的关键是要求出基准记录所在的位置pivotpos。划分的结果可以简单地表示为(注意pivot=R[pivotpos])： R[low..pivotpos-1].keys≤R[pivotpos].key≤R[pivotpos+1..high].keys 其中low≤pivotpos≤high。 ###求解： 通过递归调用快速排序对左、右子区间R[low..pivotpos-1]和R[pivotpos+1..high]快速排序。 ###组合： 因为当"求解"步骤中的两个递归调用结束时，其左、右两个子区间已有序。对快速排序而言，"组合"步骤无须做什么，可看作是空操作。 #解决(Python) #!/usr/bin/env python #coding:utf-8 #方法1 def quickSort(arr): less = [] pivotList = [] more = [] if len(arr) <= 1: return arr else: pivot = arr[0] #将第一个值做为基准 for i in arr: if i < pivot: less.append(i) elif i > pivot: more.append(i) else: pivotList.append(i) less = quickSort(less) #得到第一轮分组之后，继续将分组进行下去。 more = quickSort(more) return less + pivotList + more #方法2 # 分为<, >, = 三种情况，如果分为两种情况的话函数调用次数会增加许多，以后几个好像都有相似的问题 # 如果测试1000个100以内的整数，如果分为<, >=两种情况共调用函数1801次，分为<, >, = 三种情况，共调用函数201次 def qsort(L): return (qsort([y for y in L[1:] if y < L[0]]) + L[:1] + [y for y in L[1:] if y == L[0] + qsort([y for y in L[1:] if y > L[0]])) if len(L) > 1 else L #方法3 #基本思想同上，只是写法上又有所变化 def qsort(list): if not list: return [] else: pivot = list[0] less = [x for x in list if x < pivot] more = [x for x in list[1:] if x >= pivot] return qsort(less) + [pivot] + qsort(more) #方法4 from random import * def qSort(a): if len(a) <= 1: return a else: q = choice(a) #基准的选择不同于前，是从数组中任意选择一个值做为基准 return qSort([elem for elem in a if elem < q]) + [q] * a.count(q) + qSort([elem for elem in a if elem > q]) #方法5 #这个最狠了，一句话搞定快速排序，瞠目结舌吧。 qs = lambda xs : ( (len(xs) <= 1 and [xs]) or [ qs( [x for x in xs[1:] if x < xs[0]] ) + [xs[0]] + qs( [x for x in xs[1:] if x >= xs[0]] ) ] )[0] if __name__=="__main__": a = [4, 65, 2, -31, 0, 99, 83, 782, 1] print quickSort(a) print qSort(a) print qs(a) --- quick_sort.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/quick_sort.md b/quick_sort.md index 362a14a..6df98ac 100644 --- a/quick_sort.md +++ b/quick_sort.md @@ -65,10 +65,10 @@ R[low..pivotpos-1].keys≤R[pivotpos].key≤R[pivotpos+1..high].keys return less + pivotList + more #方法2 - #将方法1写的更紧凑，彰显python特点 - + # 分为<, >, = 三种情况，如果分为两种情况的话函数调用次数会增加许多，以后几个好像都有相似的问题 + # 如果测试1000个100以内的整数，如果分为<, >=两种情况共调用函数1801次，分为<, >, = 三种情况，共调用函数201次 def qsort(L): - return (qsort([y for y in L[1:] if y < L[0]]) + L[:1] + qsort([y for y in L[1:] if y >= L[0]])) if len(L) > 1 else L + return (qsort([y for y in L[1:] if y < L[0]]) + L[:1] + [y for y in L[1:] if y == L[0] + qsort([y for y in L[1:] if y > L[0]])) if len(L) > 1 else L #方法3 #基本思想同上，只是写法上又有所变化 From 10b2f7a3ee9af6469d82eccf0d3067329706662b Mon Sep 17 00:00:00 2001 From: Qiaolun Zhang Date: Fri, 14 Oct 2016 16:31:26 +0800 Subject: [PATCH 2/3] Update quick_sort.py --- quick_sort.py | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/quick_sort.py b/quick_sort.py index 7d35746..83f3b68 100644 --- a/quick_sort.py +++ b/quick_sort.py @@ -74,7 +74,7 @@ def qsort(list): return [] else: pivot = list[0] - less = [x for x in list if x < pivot] + less = [x for x in list[1:] if x < pivot] more = [x for x in list[1:] if x >= pivot] return qsort(less) + [pivot] + qsort(more) """ From 40b3637a12e3a52124a3b5baa0ba4f596c17ca9c Mon Sep 17 00:00:00 2001 From: Jiuli Gao Date: Tue, 22 May 2018 17:03:43 +0800 Subject: [PATCH 3/3] =?UTF-8?q?Markdown=E8=AF=AD=E6=B3=95=E4=BF=AE?= =?UTF-8?q?=E6=AD=A3?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Markdown语法修正 --- quick_sort.md | 16 +++++++++------- 1 file changed, 9 insertions(+), 7 deletions(-) diff --git a/quick_sort.md b/quick_sort.md index 6df98ac..1d7c542 100644 --- a/quick_sort.md +++ b/quick_sort.md @@ -1,10 +1,10 @@ -#问题 +# 问题 快速排序，这是一个经典的算法，本文给出几种python的写法，供参考。 特别是python能用一句话实现快速排序。 -#思路说明 +# 思路说明 快速排序是C.R.A.Hoare于1962年提出的一种划分交换排序。它采用了一种分治的策略，通常称其为分治法(Divide-and-ConquerMethod)。 @@ -16,7 +16,7 @@ 设当前待排序的无序区为R[low..high]，利用分治法可将快速排序的基本思想描述为： -###分解： +### 分解： 在R[low..high]中任选一个记录作为基准(Pivot)，以此基准将当前无序区划分为左、右两个较小的子区间R[low..pivotpos-1)和R[pivotpos+1..high]，并使左边子区间中所有记录的关键字均小于等于基准记录(不妨记为pivot)的关键字pivot.key，右边的子区间中所有记录的关键字均大于等于pivot.key，而基准记录pivot则位于正确的位置(pivotpos)上，它无须参加后续的排序。 @@ -28,16 +28,17 @@ R[low..pivotpos-1].keys≤R[pivotpos].key≤R[pivotpos+1..high].keys 其中low≤pivotpos≤high。 -###求解： +### 求解： 通过递归调用快速排序对左、右子区间R[low..pivotpos-1]和R[pivotpos+1..high]快速排序。 -###组合： +### 组合： 因为当"求解"步骤中的两个递归调用结束时，其左、右两个子区间已有序。对快速排序而言，"组合"步骤无须做什么，可看作是空操作。 -#解决(Python) +### 解决(Python) +```python #!/usr/bin/env python #coding:utf-8 @@ -64,7 +65,7 @@ R[low..pivotpos-1].keys≤R[pivotpos].key≤R[pivotpos+1..high].keys return less + pivotList + more - #方法2 + # 方法2 # 分为<, >, = 三种情况，如果分为两种情况的话函数调用次数会增加许多，以后几个好像都有相似的问题 # 如果测试1000个100以内的整数，如果分为<, >=两种情况共调用函数1801次，分为<, >, = 三种情况，共调用函数201次 def qsort(L): @@ -106,3 +107,4 @@ R[low..pivotpos-1].keys≤R[pivotpos].key≤R[pivotpos+1..high].keys print qSort(a) print qs(a) +```