def quicksort_stable(l):
if not l:
return l
else:
pivot = l[0]
return quicksort_stable([x for x in l if x < pivot]) \
+ [x for x in l if x == pivot] \
+ quicksort_stable([x for x in l if x > pivot])
def quicksort_inplace(l):
def partition(start_idx, end_idx):
left_idx = start_idx + 1
right_idx = end_idx
while True:
while left_idx <= right_idx and l[left_idx] <= l[start_idx]:
left_idx += 1
while right_idx >= left_idx and l[right_idx] >= l[start_idx]:
right_idx -= 1
if right_idx < left_idx:
break
else:
l[left_idx], l[right_idx] = l[right_idx], l[left_idx]
l[start_idx], l[right_idx] = l[right_idx], l[start_idx]
return right_idx
def qs(start_idx, end_idx):
if start_idx < end_idx:
split_idx = partition(start_idx, end_idx)
qs(start_idx, split_idx - 1)
qs(split_idx + 1, end_idx)
qs(0, len(l) - 1)
return l
if __name__ == '__main__':
import random
l1 = [random.randint(0, 9) for x in range(10000)]
l2 = [x for x in l1]
l1 = quicksort_stable(l1)
quicksort_inplace(l2)
我特意选择了第一个元素作为轴心,而不是随机化,以确保两个实现的行为方式相同。你知道吗
这两种实现都是递归实现的。在调用堆栈中,似乎quicksort\u inplace应该占用O(lgn)空间,而quicksort\u stable应该占用O(n)空间,因为它每次递归时都会创建一个新列表。你知道吗
然而,quicksort\u inplace会导致“超过最大递归深度”,而quicksort\u stable工作正常。你知道吗
为什么会这样?你知道吗
所以要真正比较这两个过程,应该是这样的:
另外,为了得到上述的破坏性(原地)版本,你应该在你的第二个条件中改变一个大于的条件(这样在右边的idx有不小于枢轴的元素),即
如果这样做,您会发现这两个过程都会导致数组上的堆栈溢出,数组中的10000个元素来自范围(0,9)(还要注意,对于范围(0,99),情况并非如此,因为它们需要较少的“剪切”)。你知道吗
相关问题 更多 >
编程相关推荐