几种排序算法总结（六）--快速排序

快速排序，在平均状况下排序 n 个项目要 Ο(nlogn) 次比较。
在最坏状况下则需要 Ο(n2) 次比较，但不常见。
快速排序使用分治法策略来把一个串行分为两个子串行。
本质上快速排序是在冒泡排序基础上的递归分治，是处理大数据最快的排序算法之一了。

算法步骤
1. 从数列中挑出一个元素，称为 “基准”（pivot）;
2. 重新排序数列，所有元素比基准值小的摆放在基准前面，
   所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。
   在这个分区退出之后，该基准就处于数列的中间位置。
   这个称为分区（partition）操作；
3. 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序；
4. 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好了。
   虽然一直递归下去，但是这个算法总会退出，
   因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

def partition(sample, left, right):
    '''
    在第一轮的时候默认left为列表第一个元素作为pivot，
    将pivot与后面的所有元素比较，找到最后小于pivot的元素的下标，存入index，
    期间找到的i下标元素小于index下标元素要做交换
    最后将pivot与index对应的元素交换
    :param sample:
    :param left:
    :param right: 最后一个元素的下标
    :return:
    '''
    pivot = left
    index = pivot + 1
    i = index  # 存储下一个元素的下标
    while i <= right:
        s_pivot = sample[pivot]
        s_i = sample[i]
        if s_i < s_pivot:
            sample[i], sample[index] = sample[index], sample[i]
            index += 1
        i += 1

    sample[pivot], sample[index-1] = sample[index-1], sample[pivot]

    return index - 1 # pivot的新下标

def quick_sort(sample, left=None, right=None):
    left = 0 if not isinstance(left, (int, float)) else left
    right = len(sample) - 1 if not isinstance(right, (int, float)) else right
    if left < right:
        '''
        sample = [9, 5, 1, 10, 11, 6]
        第一轮使用第一个元素(9)作为pivot，
        经过第一轮partition_index后将pivot和其右边最后小于pivot的元素交换并返回pivot新下标，
        这样pivot对应的元素值就大于左边而小于右边
        '''
        partition_index = partition(sample, left, right)
        quick_sort(sample, left, partition_index - 1)
        quick_sort(sample, partition_index + 1, right)

    return sample

参考：

https://www.cnblogs.com/kaibindirver/p/12093823.html

看图聊算法：快速排序为什么快？