基础算法系列之排序算法（一）[快速排序，归并排序，二分查找]

文章目录

• 前言
• 快速排序
• • 关键点
  • 实现
  • • 选角
    • 排序
    • 重复
  • 实现
  • 稳定性分析
  • 记忆模板
• 归并排序
• • 关键点
  • 实现
• 二分查找
• 总结

前言

先来一波预热，本次寒假将要更新的博文系列为：基础算法部分，最新前言论文研读（不包含论文复现-耗时太长），C++基础博文系列，WhiteHole开发日志系列。那么在基础算法系列的话，我们这边采用的演示及其开发语言暂时选定为python，后续我们再考虑引入C++，也就是双版本。

快速排序

首先我们来看到最简单比较好理解的快速排序算法。这里我们假设都是从小打到排。

首先我们来理解一下这个快速排序的思路。快速排序要做到的其实非常简单，它的核心思想解释起来就一个句话：认清楚自己的位置
什么意思，就是让每一个数字都认识到自己应该放在哪里。找清楚自己的位置在哪里，所以整个算法的核心就在于这里，如何能够让一个数字找到自己的位置，摆正自己的方向。

我们拿最朴素的例子来讲解，那就是身高排序嘛，我们随便先拉出一个同学A，然后我们只需要保证，比这个同学A个子矮的排在左边，高的排在右边。之后我们在从比较矮小的个子的同学里面再挑选一个，然后再去对比，由于刚刚那个同学A往右都是高个子，左边的不可能比A右边的高，因此我们只需要比较到A就好了，同理，我们从A开始再从右边开始选一个同学，然后比较，（这里我们需要注意的就是不能再选到A同学去和右边的同学比较因为右边的都是比A高的）这样一来，我们重复几次操作，不就把整个队列都排好序号了吗。所以我们的快排其实就是仿造这个例子，来进行实现的。

关键点

所以通过刚刚的例子我们不难发现，快速排序其实就是大概三个关键步骤。

1. 找一个标杆，需要参与对比的同学A（选角）
2. 做一个排序，把比A小的放在左边，比A大的放在右边（排序）
3. 重复操作，把A左边的和右边的按照1,2步骤进行重复操作，直到整个序列排完了。（重复）

整个过程就像，卷心菜一样，一层一层往里面拨开，先拨开最外面的，然后拨开到最里面。

实现 选角

那么接下来我们就进行简单实现一下喽。首先是我们要找到一个标杆，那么此时我们假设有这样的一个序列：

a = [2,5,4,3,8,4,2,1]

那么这个时候呢，有好多种做法，要么就是找中间的，要么就是找最左边的，或者随机找一个，这些都可以，至于哪一个更快这个得看情况，不好说。那么这边咱们也是来个最简单的那就是直接拿最左边的就好了。

排序

之后就是如何排序了，那么毫无疑问我们这边有非常多的方案，我们可以直接暴力排序，也就是直接遍历，我们再拿一个数组，然后开始比较，比选出来的数字A小的我们就直接放到新的数组里面的第一个位置，依次序放置，然后遇到大的我们就先放到最后面那个位置，然后往前依次序放置。

当然这样做有失风范，因此的话我们有更加优雅一点点的方案。还是基于刚刚的思路，我们搞一个双指针，分别放置在左右两侧

也就是i,j，然后呢我们还是一样的，左边的找到比A大的，右边的找到比A小的，然后我们在交换他们的位置，之后两个指针继续往中间移动，当指针重合的时候，那么这个A就找到了位置，此时已经是左小，右大了。

重复

之后就是重复了，那么这个不就更好办了嘛，我们直接把A左边的看着新的序列，右边的也看成新的序列呗。这个不就是所谓的分治思想嘛。

OK，现在我们问题都解决了，是时候亮出代码了

实现

def quick_sort(a:list,l:int,r:int):

    if(l>=r):
        return
    # 选择一个需要被比较的玩意
    pision_key=a[l]
    # 设置两个指针，初始化先指向左右两侧
    # 这样做的目的是为了方便下标索引
    i,j=l-1,r+1
    while(ipision_key):
            j -= 1
        while(a[i] 
在这里我们做了一点点的处理，首先就是，为了方便下标索引同时为了避免出错，我们这边现将两个指针移到边界外面。
 
第二个就是，由于是数值交换，所以的话我们这边可以选择直接
 
    a[i] = a[i]+a[j]
    a[j] = a[i]-a[j]
    a[i] = a[i]-a[j]
 
完成位置交换
 稳定性分析 
之后我们来到稳定性分析，首先我们都知道这个玩意是不稳定的，为什么不稳定，因为元素的相对位置会发生改变。
我们来把我们刚刚的例子做一个改动：
 
def quick_sort(a:list,l:int,r:int):
    if(l>=r):
        return
    # 选择一个需要被比较的玩意
    pision_key=a[l][0]
    # 设置两个指针，初始化先指向左右两侧
    # 这样做的目的是为了方便下标索引
    i,j=l-1,r+1
    while(ipision_key):
            j -= 1
        while(a[i][0] 
之后我们来看到结果：
 
 我们把刚刚的数据格式换一下，我们可以发现相同数字2的相对次序发生了改变。如果我们把这个次序当做是一个先后顺序，并且期望按照次序实现越早到达的越先进行显然就不合理了。那么为什么会出现这种情况你呢，因为每次我们都是直接进行交换的，根本不会去考虑次序，这个时候有小伙伴可能会问了，如果我判断一下，就是说，相等我们不交换行不行。
 
我们把交换的代码这样改一下：
 
        if(i<j):
            if(a[j][0]!=pision_key):
                temp = a[j]
                a[j] = a[i]
                a[i] = temp
 
然后我们多加一点干扰
 
a = [[2,1],[5,2],[4,3],[3,4],[8,5],[4,6],[2,7],[1,8],[2,9],[4,10],[8,11]]
 
理论上来说，i,j所指向的位置，要么是>=A ,要不及时=A，因为此时i所指向的就是>=A的重复操作后一定可以保证这个结果。
 结果上看

 但是事实一定如此嘛？
 我们不妨直接用代码伪造数据：
 
def getList():
    size = 1000
    rand = random.randint
    res = []
    for i in range(1,size+1):
        temp = [rand(0,1e5),i]
        res.append(temp)
    return res

def isAsc(a):
    i,j=0,1
    for i in range(len(a)-2):
        if(a[i][0]>a[j][0]):
            return False
        if(a[i][0]==a[j][0] and a[i][1]>a[j][1]):
            return False
        i+=1;j+=1
    return True

 
之后我们再来看看效果
 
def main():
    a = getList()
    print("排序前",a)
    quick_sort(a,0,len(a)-1)
    print(isAsc(a))
    print("排序后",a)

 
可以看到，结果并非我们所想，为什么呢，其实我们刚刚只是保证了A在排序A的时候一定不会乱序，但是在排序比较的过程中，别人的身高或者大小是一样的时候我们还是直接交换了，这样一来次序有可能就会被打乱。例如左边两个相同的值挨着那就直接会进行交换，这样一来相同的值自然就乱序了，这个时候你可能又会说了，拿相同我也不交换呗，我再拿几个指针去判断呗，那问题来了，我们一次性可以做到同时排序多个值？我们最终只能确定一个A在当前的序列里面的相对位置吧，当序列划分之后，排序后的相对位置可能还是有序的，但是在整体就就不一定了呀。
因此快速排序，很难是可以变成稳定的，难点就在于，你必须处理中间比较的时候，那些相同的值也需要保证有序。那么如何保证，其实也简单，前面就已经给了答案，给点提示就是一开始我们已经给出了一个比较暴力的排序方案。
 记忆模板 
OK，我们现在可以提取出我们快排的一个模板了，就是这个：
 
def quick_sort(a:list,l:int,r:int):
    if(l>=r):
        return
    # 选择一个需要被比较的玩意
    pision_key=a[l]
    # 设置两个指针，初始化先指向左右两侧
    # 这样做的目的是为了方便下标索引
    i,j=l-1,r+1
    while(ipision_key):
            j -= 1
        while(a[i] 
是的和一开始的代码几乎一样。
 
终止条件 l>=r
选择一个数
找出两边小于和大于的位置，然后交换元素
通过j去划分左右两边的序列
 为什么按照j去划分，因为有可能i往右边偏向的更多，二者相差不一定是1，所以在这个模板里面按照j去，j是右边那个指针
 
归并排序 
OK，说完了快速我们再来说一下归并排序，这个排序的话和我们先前提到的快速排序是有一点点的不同，先前我们按照数来极限划分，现在的话我们按照这个区域来划分。
 
什么意思，一句话总结：局部有序到全局有序。这个的话不太好理解，我们就先来分析一下这个归并排序的时间复杂度吧。
 
首先归并排序呢，会先把一个序列进行划分，分割，对半划分，也就是最后的话，我们会把一个序列一直划分为长度为1，那么在每一层进行一个排序，由底层向上，最终完成一个排序，大概图例如下：
 
 
那么如果理解了这个，那么后面就好办了。
 我们要做其实就是不断划分，划分，划分完毕之后的话，我们在进行一个排序，为了使得算法稳定，因此我们这边选择稍微暴力一点的方案，那就是直接两两对比，之后按次序放到零时数组里面。
 
当我们判断到只有一个数字的时候，跳出递归，此时对周围两个数字进行排序，完毕之后，再次跳出当前递归，对四个进行排序，（当然值得一提的是，每一层其实在计算的时候也是一棵树）
 
关键点 
先划分
做排序，我们对两边进行归并
复制转移排序后的数字
 
实现 
OK，这块我们直接看到代码：
 
def merge_sort(a:list,temp:list,l:int,r:int):
    # 这个时候是说明已经划分到只有一个了
    if(l>=r): return
    mid = int((l+r)/2)
    merge_sort(a,temp,l,mid)
    merge_sort(a,temp,mid+1,r)
    #这个时候我们需要进行一个归并
    k=0
    i,j=l,mid+1
    while(i<=mid and j<=r):
        if(a[i] 
至于模板，就是上面这个。用其他的语言支持++操作的可能会更简洁一点。
 
二分查找 
这个算法，我想应该就不太需要在本文中进行仔细阐述了吧。我们还是可以直接看到算法：
 现在我们给定一个有序的序列，然后找到值为A的数字在数组中是第几个。
 
def binary_search(a,l,r,target):
    if(l>r):
        return -1
    mid = l+int((r-l)/2)
    if(target==a[mid]):
        return mid
    if(target 
核心就是，二分递归查找嘛，那么有什么注意点呢，第一序列一定是有序，或者满足一个条件的。也会是说如果写出模板的话就应该是这样的：
 
def binary_search(a,l,r,target):
    if(l>r):
        return -1
    mid = l+int((r-l)/2)
    if(accept()):
        return mid
    if(check()):
        #更小可能在左边
        return binary_search(a,l,mid-1,target)
    else:
        return binary_search(a,mid+1,r,target)
 
注意点就是注意边界的问题。然后是我们中间点mid的取值的方式的问题，这个需要结合实际。
 总结 
今天的话就先水到这里，先缓缓恢复一下状态。