[英]Quicksort: Non-in-place implementation works. In-place implementation exceeds maximum recursion depth. Why?
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)
我特意选择第一个元素作为枢轴,而不是随机化以确保两个实现的行为相同。
两种实现都是递归实现的。 在调用堆栈中,似乎quicksort_inplace应该占用O(lg n)空间,而quicksort_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。
但是,quicksort_inplace是导致“超过最大递归深度”的一种,而quicksort_stable可以正常工作。
为什么会这样呢?
我相信这种行为的原因是您的列表包含很多重复(每个元素出现〜1000次),并且您“欺骗”了实现稳定版本,方法是立即收集所有等于枢轴的元素,而不是返回它们(当然很棒!)。
因此,要实际比较这两个过程,它应如下所示:
def quicksort_stable(l):
if not l or len(l)==1:
return l
else:
pivot = l[0]
rst = l[1:]
return quicksort_stable([x for x in rst if x < pivot]) \
+ [pivot] \
+ quicksort_stable([x for x in rst if x >= pivot])
此外,为了具有破坏性(就地)版本以上,你应该改变你的第二个条件,而以大于号 (以便在right_idx的右侧有元素不超过支点以下),即
while right_idx >= left_idx and l[right_idx] > l[start_idx]:
如果执行此操作,您会发现这两个过程都会导致在范围为(0,9)的 10000个元素的数组上发生堆栈溢出(还请注意,对于范围为(0,99)的情况并非如此,因为它们需要较少的“剪切”) 。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.