【上期留下的关于选择排序的小思考为试推一下其算法复杂度，本期揭晓答案：选择排序的时间复杂度为O(n^2)，空间复杂度为O(1)。本期讲讲快速排序算法】

今天分享的快速排序算法代码是ChatGPT写的——

一、ChatGPT写的：

先来看看ChatGPT的写法，通过向ChatGPT提问：用Python语言写一个快速排序的功能代码，它就写出了如下代码：

给一个案例，试着运行下，果然起了作用：

运行结果为：

二、我之前写的：

再来看看我之前刚开始学习时候写的快速排序算法，是这样的：

当然，运行结果也是没问题的：

同样的排序结果，为什么ChatGPT只用了9行代码，而我之前写的却用了19行呢？带着问题继续看下去……

三、快速排序算法的原理

快速排序的名字顾名思义，在实际应用中，它是处理大数据最快的排序算法之一。主要的算法步骤有3：

1. 从数列中挑出一个元素，称为 “基准”；

2. 所有元素比基准值小的摆放在基准左侧，即左区，比基准大的放在基准右侧，即右区；

3. 递归地把小于基准值元素的子数列和大于基准值元素的子数列排序，大白话就是对第2步分出的左区和右区继续重复第1、2步，直至算法结束。

比如以上面的图为例，默认每次选择数列的最后一位数值为基准，首次分区时，5为基准，所以3、1、2分至左区，7、8、11、9分至右区；接下来同时对3、1、2（2为基准）和7、8、11、9（9为基准）各自进行分区到这一步3、1、2分为1、2、3于是停止，右侧7、8、11、9分成7、8、9、11，其中7、8需要再经历一次得到7、8（这是因为算法还在继续运行）。最终得到1、2、3、5、7、8、9、11的升序结果。

四、两段代码的比较

首先，两段代码运行的结果是一样的。然后，直观上的不同点很明显，就是ChatGPT写的代码行数更少，主要原因是：

1.构建了新的数列left、middle、right，相比之下我之前写的这段代码是在原数列中交换元素值；

2.for和if使用了条件语句表达，看起来更为简洁（什么是条件语句，请戳Python基础系列（四）：这时候需要的是坚持——程序语句及结构）。

试验1：我们来试试两段代码的运行效果，直接上1000万的数据量：

结果竟是我之前写的代码运行时间更短：

试验2：不行，做实验得严谨，再来试一次，这次用500万的数据量：

结果仍是我之前写的代码运行时间更短：

其实也比较容易理解，ChatGPT中代码行数虽然更短，但是用到了3个for语句，而我之前写的代码里边for语句仅有1个，循环比较吃时间。所以在时间上的比较不一定代码行数越短，就运行时间也越短。

这个案例中就是我写的这个算法复杂度相对更低（什么是算法复杂度，请戳算法系列开篇：10分钟讲明白算法复杂度）

但是，确实感觉到了ChatGPT的厉害，我觉得同样给一定的学习时间，它所能学到的信息量要比人更高，达成一定目标的速度要比人更快；就比如这次这个快速排序算法，如果你继续追问可否换一种运行时间更快的快速排序算法，它也能写出我这个，甚至可能进一步优化。

其实越来越感觉到以前很多的逻辑在当下都得做一点相应调整，比如说以前给孩子报画画、练字的培训班，是不是不用花那么多时间，而是让她/他早一点接触AI相关的东西，分几个维度由浅至深：

了解未来AI可以做的事

怎么样使用AI做到这件事

可以参与到AI的运维建设中

毕竟我们以前有多难想象万物互联，

今天就有多难想象万物AI，但最终……