Python--递归和快速排序 -- quickSort

1.递归

在函数内部再调用本身

2.斐波那契数列

0,1,1,2,3,5,8….

方法一：（普通递归）

def fib(n):

if n=0:

return 0

elif n<=2:

return 1

else:

return fib(n-1)+fib(n-2)

方法二：（匿名函数递归）

fib=lambda n,x=0,y=1:x if n==0 else fib(n-1,y,x+y)

方法三：（迭代）

def fib(n):

x,y=0,1

while(n):

n,x,y=n-1,y,x+y

return x

3.快速排序

每次将数组的最后一个字符取出，将剩下的字符，以大小为比较，放在取出字符的两侧，以此迭代。

#encoding:utf-8
import time
import random
loop_times=1000000
nums=10
A=[random.randint(1,100) for i in xrange(nums)]

def time_cost(times):
def decorator(f):
def _f(*args,**kwargs):
start=time.clock()
for i in xrange(times):
a=f(*args,**kwargs)
end=time.clock()
print(f.__name__+' run '+str(loop_times)+' times costs '+str(end-start)+' seconds.')
return a
return _f
return decorator

def partition(A,p,r):
i=p-1
x=A[r]
for j in xrange(p,r):
if A[j]<=x:
i+=1
A[i],A[j]=A[j],A[i]
A[i+1],A[r]=A[r],A[i+1]
# print(A)
return i+1

# partition(A,0,len(A)-1)

# @time_cost(loop_times)
def quickSort(A,p=0,r=len(A)-1):
if r-p>0:
place=partition(A,p,r)
quickSort(A,p,place-1)
quickSort(A,place+1,r)
return A

@time_cost(loop_times)
def s(A):
return sorted(A)

print(A)
print(s(A))
# print(quickSort(A))
start=time.clock()
for i in xrange(loop_times):
a=quickSort(A)
end=time.clock()
print(a)
print('quickSort run '+str(loop_times)+' times costs '+str(end-start)+' seconds.')

打印结果

[26, 39, 4, 41, 73, 59, 2, 29, 74, 59]
s run 1000000 times costs 0.994295 seconds.
[2, 4, 26, 29, 39, 41, 59, 59, 73, 74]
[2, 4, 26, 29, 39, 41, 59, 59, 73, 74]
quickSort run 1000000 times costs 16.131653 seconds.

可见，用了迭代的快速排序效率远不如python内置的排序方式。

迭代排序只是比冒泡排序要快。

def bubbleSort(A):

for i in xrange(len(A),1,-1):

for j in xrange(j-1):

if A[j]