【排序】快速排序、归并排序

以下是快速排序与归并排序详解，结合通俗例子和核心考点，助你高效掌握关键概念。

⚡ 一、快速排序（Quick Sort）

1. 核心思想

• 分治策略：选一个基准值（pivot），将数组分为两部分——左侧全≤基准值，右侧全>基准值，递归处理子数组。
• 通俗例子：

  假设超市结账排队，选一人身高1.7m为基准，比他矮的站左边，高的站右边。接着左右两队各自重复此操作，直到全员有序。

2. 代码实现（Python）

import random
def quick_sort(arr, l, r):
    if l >= r: return
    # 优化：随机选基准避免最坏情况
    pivot_idx = random.randint(l, r)
    arr[l], arr[pivot_idx] = arr[pivot_idx], arr[l]
    pivot = arr[l]
    i, j = l, r
    while i < j:
        while i < j and arr[j] >= pivot: j -= 1  # 右找小值
        while i < j and arr[i] <= pivot: i += 1  # 左找大值
        if i < j: arr[i], arr[j] = arr[j], arr[i]
    arr[l], arr[i] = arr[i], arr[l]  # 基准归位
    quick_sort(arr, l, i-1)
    quick_sort(arr, i+1, r)

3. 性能分析

4. 面试优化点

• 随机基准：避免有序数组导致分区失衡。
• 三数取中：选左、中、右的中位数作基准，进一步优化分区。
• 小规模转插入排序：当子数组<10时，插入排序更高效（因常数因子小）。

🔄 二、归并排序（Merge Sort）

1. 核心思想

• 分治+合并：数组二分至单元素（天然有序），再两两合并成有序大数组。
• 通俗例子：

  整理扑克牌：先分成两堆分别排序，再将两堆牌按大小合并。合并时比较两堆顶部的牌，取小者放入新堆。

2. 代码实现（Python）

def merge_sort(arr):
    if len(arr) <= 1: return arr
    mid = len(arr) // 2
    left = merge_sort(arr[:mid])
    right = merge_sort(arr[mid:])
    return merge(left, right)

def merge(left, right):
    res = []
    i = j = 0
    while i < len(left) and j < len(right):
        if left[i] <= right[j]:  # 注意：≤保证稳定性
            res.append(left[i]); i += 1
        else:
            res.append(right[j]); j += 1
    res.extend(left[i:] or right[j:])
    return res

3. 性能分析

4. 面试考点

• 稳定性应用：多字段排序（如先按价格排序，再按销量排序，价格相同的保持原顺序）。
• 迭代写法：避免递归栈溢出（用循环模拟分组合并）。
• 链表排序优势：无需随机访问，适合链表数据结构（如Java的Collections.sort()）。

⚖️ 三、快速排序 vs 归并排序：面试对比表

💡 四、面试高频问题与回答思路

1. 快排最坏情况如何优化？
   → 答：最坏发生在数组有序时。优化：随机选基准 + 小规模转插入排序。

2. 归并排序为何稳定？快排为何不稳定？
   → 答：归并合并时优先取左组元素；快排的分区交换可能导致相等元素移位（例：[3A, 3B] → [3B, 3A]）。

3. 时间空间复杂度如何推导？

   • 快排：理想递归树高log n，每层分区O(n) → O(n log n)；最坏树高n → O(n²)。
   • 归并：递归树高log n，每层合并O(n) → O(n log n)；合并需临时数组 → O(n)。

重点记忆时间复杂度对比、稳定性差异及优化策略，辅以生活化类比加深印象。加油！ 🚀