排序——快速排序（Quick sort）

article/2025/9/22 7:42:18

概况

快速排序（Quick sort）是对冒泡排序的一种改进。快速排序由C. A. R. Hoare在1960年提出。

算法思路

通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。

快速排序算法通过多次比较和交换来实现排序，其排序流程如下：

1、首先设定一个分界值，通过该分界值将数组分成左右两部分。

2、将大于或等于分界值的数据集中到数组右边，小于分界值的数据集中到数组的左边。此时，左边部分中各元素都小于或等于分界值，而右边部分中各元素都大于或等于分界值。

3、然后，左边和右边的数据可以独立排序。对于左侧的数组数据，又可以取一个分界值，将该部分数据分成左右两部分，同样在左边放置较小值，右边放置较大值。右侧的数组数据也可以做类似处理。

4、重复上述过程，可以看出，这是一个递归定义。通过递归将左侧部分排好序后，再递归排好右侧部分的顺序。当左、右两个部分各数据排序完成后，整个数组的排序也就完成了。

概括来说为挖坑填数 + 分治法。

图解算法

快速排序主要有三个参数，left 为区间的开始地址，right 为区间的结束地址，Key 为当前的开始的值。

我们从待排序的记录序列中选取一个记录（通常第一个）作为基准元素（称为key）key=arr[left]，然后设置两个变量，left指向数列的最左部，right 指向数据的最右部。

第一步

key 首先与 arr[right] 进行比较，如果 arr[right]<key，则arr[left]=arr[right]将这个比key小的数放到左边去，如果arr[right]>key则我们只需要将right--，right--之后，再拿arr[right]与key进行比较，直到arr[right]<key交换元素为止。

第二步

如果右边存在arr[right]<key的情况，将arr[left]=arr[right]，接下来，将转向left端，拿arr[left ]与key进行比较，如果arr[left]>key,则将arr[right]=arr[left]，如果arr[left]<key，则只需要将left++,然后再进行arr[left]与key的比较。

第三步

然后再移动right重复上述步骤。

第四步

最后得到 {23 58 13 10 57 62} 65 {106 78 95 85}，再对左子数列与右子数列进行同样的操作。最终得到一个有序的数列。

{23 58 13 10 57 62} 65 {106 78 95 85}

{10 13} 23 {58 57 62} 65 {85 78 95} 106

10 13 23 57 58 62 65 78 85 95 106

动画展示

我们借用五分钟学算法的gif动图，感谢五分钟学算法。

首先，操作数列中的所有数字
在所有数字中选择一个数字作为排序的基准（pivot）, pivot 通常是随机选择的，在这里为了演示方便，我们选择最右边的数字作为 pivot
选取好 pivot 后，在操作数列中选择最左边的数字标记为左标记，最右边的数字标记为右标记
将左边的标记向右移动
当左标记达到超过 pivot 的数字时，停止移动
在这里，8 > 6 ,所以停止移动
然后将右边的标记向左移动
当右标记达到小于 pivot 的数字时，停止移动
在这里，4 > 6 ,所以停止移动
当左右标记停止时，更改标记的数字
因此，左标记的作用是找到一个大于 pivot 的数字，右标记的作用是找到一个小于 pivot 的数字
通过交换数字，可以在数列的左边收集小于 pivot 的数字集合，右边收集大于 pivot 的数字集合
交换之后，继续移动左标记
在这里，9 > 6 ,所以停止移动
然后将右边的标记向左移动
当右标记碰撞到左标记时也停止移动
如果左右侧的标记停止时，并且都在同一个位置，将这个数字和 pivot 的数字交换
这就完成了第一次操作
小于 6 的都在 6 的左侧，大于 6 的都在 6 的右侧
然后递归对这分成的两部分都执行同样的操作
完成快速排序

算法性能

时间复杂度

理想情况

如果足够理想，那我们期望每次都把数组都分成平均的两个部分，如果按照这样的理想情况分下去，我们最终能得到一个完全二叉树。如果排序 n 个数字，那么这个树的深度就是 $log_{2}n+1$ ，如果我们将比较 n 个数的耗时设置为 T(n)，那我们可以得到如下的公式

T(n) ≤ 2T(n/2) + n，T(1) = 0  
T(n) ≤ 2(2T(n/4)+n/2) + n = 4T(n/4) + 2n  
T(n) ≤ 4(2T(n/8)+n/4) + 2n = 8T(n/8) + 3n  
......
T(n) ≤ nT(1) + (log2n)×n = O(nlogn)

最坏情况

而在最坏的情况下，这个树是一个完全的斜树，只有左半边或者右半边。这时候我们的比较次数就变为 $\sum_{i=1}^{n-1}(n-i)=(n-1)+(n-2)+\cdots +1=\frac{n*(n-1)}{2}=O(n^{2})$

空间复杂度

原地排序

原地快排的空间占用是递归造成的栈空间的使用，最好情况下是递归次，所以空间复杂度为 $O(long_{2}n)$ ，最坏情况下是递归 n-1 次，所以空间复杂度是 $O(n)$ 。

非原地排序

对于非原地排序，每次递归都要声明一个总数为n的额外空间，所以空间复杂度变为原地排序的n倍，即最好情况下 $O(nlog_{2}n)$ ，最差情况下。

稳定性

不稳定。

代码实现

C和C++

void QuickSort(int array[], int low, int high) {int i = low; int j = high;if(i >= j) {return;}int temp = array[low];while(i != j) {while(array[j] >= temp && i < j) {j--;}while(array[i] <= temp && i < j) {i++;}if(i < j) {swap(array[i], array[j]);}}//将基准temp放于自己的位置，（第i个位置）swap(array[low], array[i]);QuickSort(array, low, i - 1);QuickSort(array, i + 1, high);
}

Java

public static int[] qsort(int arr[],int start,int end) {        int pivot = arr[start];        int i = start;        int j = end;        while (i<j) {            while ((i<j)&&(arr[j]>pivot)) {                j--;            }            while ((i<j)&&(arr[i]<pivot)) {                i++;            }            if ((arr[i]==arr[j])&&(i<j)) {                i++;            } else {                int temp = arr[i];                arr[i] = arr[j];                arr[j] = temp;            }        }        if (i-1>start) arr=qsort(arr,start,i-1);        if (j+1<end) arr=qsort(arr,j+1,end);        return (arr);    
}

Python

def swap(arr, i, j):arr[i], arr[j] = arr[j], arr[i]def partition(arr, left, right):pivot = leftindex = pivot+1i = indexwhile i<=right:if arr[i]<arr[pivot]:swap(arr, i, index)index+=1i+=1swap(arr, pivot, index-1)return index-1def quickSort(arr, left=None, right=None):left = 0 if not isinstance(left, (int, float)) else leftright = len(arr)-1 if not isinstance(right, (int, float)) else rightif left < right:partitionIndex = partition(arr, left, right)quickSort(arr, left, partitionIndex-1)quickSort(arr, partitionIndex+1, right)return arr