看图聊算法：快速排序的原理与实现
在排序的算法中，1945 年由冯·诺依曼发明的归并排序（Merge Sort），是一种典型利用分治策略高效解决问题的算法。
看图聊算法：归并排序的原理与优化 然而，归并排序的缺陷在于其需要额外存储空间。这引发了一个问题：能不能有一种算法，既不依赖额外空间，又能利用分治思想进行原地排序？
快速排序正是这样一种算法。不同于归并排序，快速排序将重心放在“分”上，让“治”自然发生。
快速排序的核心原理
快速排序分为两个核心过程组成：
划分（Partition）：选择数组中的一个元素为支点（pivot），通过一次遍历，将小于等于支点的元素移到左侧，大于支点的元素移动到右侧。递归（Recursion）：对左右两侧的子数组，重复执行上述操作，直到整个数组完全有序。
选择合适的支点（pivot）
我们首先来选择支点（pivot），支点的选择对快速排序的效率影响显著。
理想情况下，支点选择数组中位数，这样能确保划分后的子数组尽量平衡，从而最大限度地发挥分治的效果。
但在实际操作中，每次都去找中位数从性能上看，似乎划不来。因此，对于随机排列的数组，直接选择最后一个元素作为支点，不失为一种好方法。
划分（Partition）过程
选择好支点后，我们可以对数组进行划分操作，将小于等于支点的元素移到左侧，大于支点的元素移动到右侧。这也是快速排序算法中最重要的部分。
划分
在这一过程中，通过一次数组扫描并设置两个指针 i 和 j，确保在扫描过程中满足以下条件：
- [lo, i] 之间的元素都
<=pivot。 - [i+1, j-1] 之间的元素都
>pivot。 - [j, hi-1] 之间的元素未被扫描。
划分扫描条件
扫描初始化：在扫描开始前，我们设置 i=lo-1 和 j=lo以保持上述三个条件成立。
这样，在初始状态下 [j, hi-1] 之间是所有未扫描的元素，[lo, i] (<=pivot) 和 [i+1, j-1] (>pivot) 的区间都不存在。
当 A[j] > pivot 时，j 的值加 1。保证 [i+1, j-1] 之间的元素 >piovt。
A[j] <= pivot 时，i 加 1，交换 A[i] 和 A[j] 的值之后，j 再加 1。这样同时保证了 [lo, i] 之间的元素 <=pivot，并且 [i+1, j-1] 之间的元素 >piovt。
动图 划分扫描过程
2扫描结束：扫描完成时，j = hi，此时我们需要将支点 A[hi] 置于正确位置。通过交换 A[hi] 与 A[i+1]，支点就位，返回其索引。
动图 划分扫描结束
将上述的扫描过程转化为代码是一个有趣的挑战，你可以先思考一下如何实现。这里提供一个我编写的函数，以供参考：
def partition(A, lo, hi):
pivot = A[hi]
i = lo - 1
for j in range(lo, hi):
if A[j] <= pivot :
i = i + 1
A[i], A[j] = A[j], A[i]
A[i + 1], A[hi] = A[hi], A[i + 1]
return i + 1视频 划分扫描执行过程
注意：你可以在我的 github 仓库中查看源代码
https://github.com/dingtingli/algorithm/blob/main/Code/quicksort01.py
递归：实现快速排序
我们来完成最后一步，通过递归不断地对子数组进行划分，直到每个子数组只有一个元素，整个数组就被排序完成。
def quicksort(A, lo, hi):
if lo < hi:
pivot_index = partition(A, lo, hi)
quicksort(A, lo, pivot_index - 1)
quicksort(A, pivot_index + 1, hi)详细的递归执行过程示意图如下：
递归执行示意图
*注意：你可以在我的 github 仓库中查看源代码*https://github.com/dingtingli/algorithm/blob/main/Code/quicksort01.py
双指针遍历
在划分过程中，我们采用了双指针技术，这是一种常见的算法策略。该技巧有以下常见步骤和策略：
- 确定指针的移动策略：确定如何移动两个指针以达到目的。
- 计算和更新结构：使用两个指针计算结果，并根据需要更新结果。
- 处理边界和特殊情况：考虑两个指针到达数组边界时的情况。
双指针技术不仅用于快速排序，还广泛应用于其他算法和问题，例如：在有序数组中查找特定和的两个数；计算数组的最大/最小子数组和；检测链表中是否存在环。你可以思考一下：是否还有其它双指针移动策略来实现快速排序中的划分过程？
我们将在下一篇文章中优化现有的快速排序，其中将会使用新的双指针移动策略，如果有兴趣，请关注更新吧。
动图 双指针遍历