图解：什么是快速排序？

心已赠人 2022-11-26 07:42 129阅读 0赞

![format_png][]

![format_png 1][]

![format_png 2][]

![format_png 3][]

## 快速排序 ##

### 快速排序思想篇 ###

与归并排序一样，我们今天要学习的快速排序也是一个分治算法。

快速排序首先选一个基准（你也可以认为是要放到排序后数组正确位置的元素）pivot，然后将数组按照选取的基准 pivot 进行划分。而选取 pivot 的方式又有很多种，所以快速排序具有很多版本。

1.  总是选择第一个元素作为基准 pivot；
2.  总是选择最后一个元素作为基准；（本文后续的实现就是依次为例）
3.  随机的选择一个元素作为基准；
4.  选择最中间的元素作为基准；

快速排序的关键是划分 **`partion()`** 。每一趟划分，我们就可以将作为 pivot 的值 x 放到排序数组的正确位置，并且将所有比 x 小的放到 x 的左边，所有比 x 大的元素放到 x 的右边。而且划分操作的时间复杂度是线性的奥，即量级！

正所谓一图胜千文，我们看图学算法吧！

为了讲解快速排序并验证其稳定性，我们用下面的数组进行说明（其中两个4分别用不同的颜色标注）：

![format_png 4][]

首先选择数组当中的最后一个位置元素 **7** 作为 pivot：

![format_png 5][]

然后就是执行第一趟快速排序啦！！！

第一步：设置一个指针 **`i = -1`** （初始化为 -1，用于找到 `pivot` 的正确位置），设置一个遍历数组的指针 **`j = 0`** ，用于遍历从 0 到 pivot 的前一个元素 **4** （即两条竖线之间的元素，从而将 **7** 放到排序后数组的正确位置）：

![format_png 6][]

第二步：比较 **`j`** 当前指向的元素 **1** 和 **7** ，**1 <= 7** ；指针 **`i++`** ，即 **`i = 0`** ，交换 **`arr[i]`** 和 **`arr[j]`** ，即 交换 **`arr[0]`** 和 **`arr[0]`** （数组本身并无变化） ；然后指针 **`j`** 向右移动：

![format_png 7][]

第三步：比较当前 **`j`** 指向的元素 **8** 和 **7** （pivot），**8 > 7**；什么都不做；然后指针 **`j`** 向右移动：

![format_png 8][]

第四步：比较当前 **`j`** 指向的元素 **3** 和 **7** ，**3 <= 7**；指针 **`i++`** ，即 **`i = 1`** ，交换 **`arr[i]`** 和 **`arr[j]`** ，即 交换 **`arr[1] = 8`** 和 **`arr[2] = 3`** ；然后指针 **`j`** 向右移动：

![format_png 9][]

第五步：比较当前 **`j`** 指向的元素 **9** 和 **7** ，**9 > 7**；什么都不做；然后指针 **`j`** 向右移动：

![format_png 10][]

第六步：比较当前 **`j`** 指向的元素 **4** 和 **7** ，**4 <= 7**；指针 **`i++`** ，即 **`i = 2`** ，交换 **`arr[i]`** 和 **`arr[j]`** ，即交换 **`arr[2] = 8`** 和 **`arr[4] = 4`** ；然后指针 **`j`** 向右移动：

![format_png 11][]

第七步：比较当前 **`j`** 指向的元素 **5** 和 **7** ，**5 <= 7**；指针 **`i++`** ，即 **`i = 3`** ，交换 **`arr[i]`** 和 **`arr[j]`** ，即交换 **`arr[3] = 9`** 和 **`arr[5] = 5`** ；然后指针 **`j`** 向右移动：

![format_png 12][]

第八步：比较当前 **`j`** 指向的元素 **4** 和 **7** ，**4 <= 7**；指针 **`i++`** ，即 **`i = 4`** ，交换 **`arr[i]`** 和 **`arr[j]`** ，即交换 **`arr[4] = 8`** 和 **`arr[6] = 4`** ；然后指针 **`j`** 向右移动：

![format_png 13][]

第九步：此时遍历结束，交换 `arr[i+1]` 和 `arr[high] = pivot` ，即交换 **9** 和 **7**

![format_png 14][]

此时第一趟快速排序结束啦，我们确定了最开始选择的 **pivot** 的正确位置。

接下就是分别对 **7** 左侧比 **7** 小的元素 `[1,3,4,5,4]` ，与右侧比 **7** 大的元素进行快速排序，过程和第一趟排序过程一样，此处不再赘述。

![format_png 15][]

![format_png 16][]

前面提到快速排序和归并排序一样均属于分治算法，而我之前在写归并排序时提到过，分治与递归就是一个孪生兄弟，提到了分治，怎能缺少递归呢？

递归三要素中最核心的就是确定一个函数的功能，而我们经过上面对一趟快速排序的介绍，可以发现，之后的每一趟快速排序事实上和第一趟是一样的，也就意味着反复调用同一个函数存在，即快速排序的过程中蕴含了递归思想，这也是分治的一个佐证。

但是我们也可以有更清晰的解释，且看下图：

![format_png 17][]

首先根据原始数组 **`[1,8,3,9,4,5,4,7]`** ，将数组划分为小于等于 **7** 的数组 **`[1,3,4,5,4]`** 和 **`[8,9]`** ，然后将 **`[1,3,4,5,4]`** 根据 **4** 划分为 **`[1,3,4]`** 和 **`[5]`** ；将 **`[1,3,4]`** 根据 **4** 划分为 **`[1,3]`** ；将 **`[1,3]`** 根据 **3** 划分为 **\[1\]** ；将 **`[8,9]`** 根据 **9** 划分为 **`[8]`** ；这个过程不就是二分吗？

![format_png 18][]

的确如此，只不过对于这个数组而言选择最末尾的元素作为 pivot 得到的树的高度并不是我们期望的，而是 **4** 。

说到这里，我们顺带说一下快速排序的缺点，对于一个有序数组 **`[1,3,4,4,5,7,8,9]`** 而言，如果每次选择最后一个元素作为 `pivot` ，就会得到下面一幅图：

![format_png 19][]

而这时树的高度变成了，也就意味着快速排序退化成了一颗单链，这不是我们希望看到的。但是我们每一次选择最中间的元素作为 `pivot` ，又会怎么样呢？

![format_png 20][]

**思考：** 如果将数组 **`[1,8,3,9,4,5,4,7]`** 重新调整顺序，使得快速排序的的分治过程如上图所示？

看着图就能写出来了，当然答案可能有很多个，最简单的一个就是 **`[1,4,3,5,8,9,7,4]`** 。

### 快速排序实现代码 ###

class QuickSort 
    { 
        /*将最后一个元素作为 pivot 进行划分操作*/
        int partition(int arr[], int low, int high) 
        { 
            int pivot = arr[high];  
            int i = (low-1); // 比 pivot 小的元素的下标
            for (int j = low; j < high; j++) 
            { 
                // 如果当前的元素小于 pivot 
                if (arr[j] < pivot) 
                { 
                    i++; 
                    // 交换 arr[i] 和 arr[j]
                    int temp = arr[i]; 
                    arr[i] = arr[j]; 
                    arr[j] = temp; 
                } 
            } 
            // 交换 arr[i+1] 和 arr[high] (也就是pivot) 
            int temp = arr[i+1]; 
            arr[i+1] = arr[high]; 
            arr[high] = temp; 
      
            return i+1; 
        } 
      
      
        /*分的阶段，利用递归调用实现快速排序*/
        void sort(int arr[], int low, int high) 
        { 
            if (low < high) 
            { 
                /* pi 就是 pivot 排序后位置的下标*/
                int pi = partition(arr, low, high); 
      
                // 递归调用 pivot 的前后数组
                sort(arr, low, pi-1); 
                sort(arr, pi+1, high); 
            } 
        } 
      
        /* 打印输出 */
        static void printArray(int arr[]) 
        { 
            int n = arr.length; 
            for (int i=0; i<n; ++i) 
                System.out.print(arr[i]+" "); 
            System.out.println(); 
        } 
      
        // 主函数 
        public static void main(String args[]) 
        { 
            int arr[] = {1,8,3,9,4,5,4,7}; 
            int n = arr.length; 
      
            QuickSort ob = new QuickSort(); 
            ob.sort(arr, 0, n-1); 
      
            System.out.println("sorted array"); 
            printArray(arr); 
        } 
    }

### 复杂度分析 ###

#### 时间复杂度分析 ####

快速排序的时间通常表示为：

其中和分别表示递归调用，而最后一项表示 `partition()` 的处理过程，表示比 `pivot` 小的元素的数目。

而快速排序的时间复杂度取决于输入的数组和划分策略，所以需要从三个方面分析：

**一、最坏情况**

最后情况就是我们每一次选择最大的元素或者最小的元素作为 `pivot` 。以我们上面讲快速排序选择做末尾的元素作为 pivot，最坏情况就是输入的待排序数组为有序数组（以升序为例），此时，那么：

，即：;

所以最坏情况下的时间复杂度为量级。

不理解推导没关系，看栗子，设对有序数组 **`[1,3,4,4,5,7,8,9]`** 进行快速排序，每次选择最末尾的元素作为 pivot，那么就会得到下图所示的情况：

![format_png 19][]

也就说需要选择个 pivot，并且以每一个 pivot 进行划分需要的时间，那么总的时间就是量级。

**二、最好情况**

当划分过程中每一次都能选择最中间的元素作为基准 `pivot` ，那么快速排序的时间复杂度就等于：

其中表示快速排序的时间复杂度，表示划分出的两个子数组排好序所用的时间，表示 `partion()` 函数的执行时间。

根据主定理（Master Theorem），快速排序最好情况下的时间复杂度为.

主定理不明白的可以看一下 [图解「归并排序」算法（修订版）][Link 1]

当然我们也可以换一个角度来算，比如对数组 **`[1,8,3,9,4,5,4,7]`** 而言，我们希望得到的是下面一幅图：

![format_png 20][]

这个树的高度就是，也就是选择 `pivot` 需要次，而根据每一个 `pivot` 我们需要的时间执行 `partition()` 函数，所以总的时间复杂度为量级。

**三、平均情况**

对于平均时间复杂度分析而言，我们需要考虑数组的所有可能的排列，并计算出对每一个排列所需要的时间，然后求平均，但是实在太复杂了。我们可以考虑一个一般的假设，比如对于一个数组而言，的元素每次比选择的 pivot 小，而的元素比 pivot 大，那么快速排序的时间复杂度为：

根据主定理，快速排序的时间复杂度依旧是, 也就意味着只要只要每一次不是选择最大或者最小的元素作为 pivot ，时间复杂度都在量级。

快速排序的平均时间复杂度为量级。

#### 空间复杂度分析 ####

快速排序的实现中，我们仅使用了一个临时变量用于交换操作，也就是其空间复杂度为，所以快速排序也是一个原地排序算法。

### 稳定性分析 ###

快速排序的划分阶段会进行交换操作，而这种交换操作会破坏原始数组中元素之间的相对位置，也就意味着，快速排序是一个不稳定的排序算法。

当然所有的排序算法都可以变得稳定，有机会我们再谈稳定的快速排序如何实现。

## 快速排序 vs 归并排序 ##

一、对数组中元素的划分

在归并排序中，数组总被划分为两半（即）；而快速排序，数组可能被划分为任意比例（比如之前提到的和），而不是强制要求将数组划分为相等的两部分。

二、最坏时间复杂度

快速排序最坏情况下的时间复杂度为，而归并排序，最坏情况和平均情况下的时间复杂度均为。

三、对数据的敏感性

归并排序适用于任何类型的数据集，不受数据集大小限制；而快速排序不适用于大规模数据集（简单来说，就是数组太大，快速排序效果并不好）。

四、空间复杂度

归并排序需要额外的存储空间，不是一个原地排序算法；而快速排序不需要额外的空间，空间复杂度为，为原地排序算法。

五、效率

归并排序在大规模的数据集上比快速排序更加高效，而快速排序在小规模的数据集上更高效。具体这个规模的界定，在 Java 的 sort 中有一个参考的界定。

六、排序方法

快速排序是一个内部排序算法，所有的数据都存储在主存当中；而归并排序是一个外部排序算法，待排序的数据无法容纳在主存中，而且需要额外的存储空间进行辅助合并。

七、稳定性

归并排序是一个稳定的排序算法，因为两个等值元素在排序前后的相对位置不会发生变化；快速排序不是一个稳定的排序算法，但是可能通过调整代码让其变得稳定。

八、对数组和链表的敏感度

快速排序更适用于数组排序，而归并排序两者皆适合。

综合来看，尽管快速排序最坏情况下的时间复杂度为，比归并排序最坏情况下的时间复杂度高。但是在实际应用中，快速排序排序更快，因在大多数的真实数据中，快速排序可以以更高效的方式实现。快速排序也可以通过改变 pivot 的选择方式而实现不同的版本，最坏情况其实很少发生。当然，归并排序在大规模和存储在外部存储器的数据更为适合。

\---

由 五分钟学算法 原班人马打造的公众号：图解面试算法，现已正式上线！
    接下来我们将会在该公众号上，为大家分享优质的算法解题思路，坚持每天一篇原创文章的输出，视频动画制作不易，感兴趣的小伙伴可以关注点赞一下哈！

[format_png]: /images/20221124/e6598d19045b4c19a8a56637f672a729.png
[format_png 1]: /images/20221124/ceae927dbd354f138807f7c4fba3ba1a.png
[format_png 2]: /images/20221124/8275bea8312843ce99bf4b14d0fdb0e9.png
[format_png 3]: /images/20221124/8b09d5bdbd4e43b887850b6ca0ed2b93.png
[format_png 4]: /images/20221124/5c0f4a598e9e444cb8fd632a29e4376b.png
[format_png 5]: /images/20221124/529d4bece2da4476b688ac12a97a08f3.png
[format_png 6]: /images/20221124/193d0d9e0a11427cae296f3bdce0651d.png
[format_png 7]: /images/20221124/29884cce8b8e43f49b952c1f10f3fa59.png
[format_png 8]: /images/20221124/ba94789bf77442b0ab732d36a321bd7d.png
[format_png 9]: /images/20221124/4cb2844c459845bb8043cda6846193ae.png
[format_png 10]: /images/20221124/05e950bcad4e4625bc3f0fdcb22e5473.png
[format_png 11]: /images/20221124/490c675d63694920874fa1d2b8e2b38d.png
[format_png 12]: /images/20221124/0d234e1d089740068576fa8f426e6383.png
[format_png 13]: /images/20221124/50a43d7f70894b7396d94122f068dfda.png
[format_png 14]: /images/20221124/229a6e9d34b74507a50661db8846d5d7.png
[format_png 15]: /images/20221124/d255141ec6c4406fa7f829f5dd25caf7.png
[format_png 16]: /images/20221124/3a0caba321814241ac80335119663a60.png
[format_png 17]: /images/20221124/bf115bd3f2b24626919660c9f9145a9f.png
[format_png 18]: /images/20221124/8ac70dd3c4f84f9ca76c153762254e71.png
[format_png 19]: /images/20221124/063d844e90d849dbbdba187e75196e45.png
[format_png 20]: /images/20221124/7850b3620eb34619808db676c7a5aa59.png
[Link 1]: https://mp.weixin.qq.com/s?__biz=MzA4NDE4MzY2MA%3D%3D&idx=2&mid=2647522698&scene=21&sn=c933a80e36743389ae812ad9509f59cb#wechat_redirect