数组排序算法实战：从基础到高阶优化

1. 数组排序的常见场景与核心痛点

在实际编程练习和算法题中，数组排序是最基础也最频繁出现的操作之一。我遇到过太多这样的场景：明明题目逻辑已经理清，却因为排序环节没处理好导致整个解法效率低下。比如最近做的一道合并区间题目，先用标准库排序就能轻松解决，但如果自己手写冒泡排序，直接就会超时。

排序之所以成为高频考点，是因为它既是基础算法的试金石（考察对时间复杂度的理解），又是实际问题的前置步骤（如二分查找必须先排序）。根据我的刷题统计，力扣题库中超过30%的中等难度题目都需要先对数组进行某种形式的排序操作。

2. 五大经典排序算法实现与优化

2.1 快速排序的工程实践

快速排序虽然平均时间复杂度是O(nlogn)，但在实际实现时有很多魔鬼细节。这是我的优化版本：

python复制def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr)//2]  # 选择中间值作为基准
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

关键技巧：三路划分处理重复元素。当数组中有大量重复元素时，传统快排会退化成O(n²)，这种写法能保持稳定效率。

2.2 归并排序的特殊价值

在需要稳定排序（保持相等元素相对位置）的场景，比如"计算右侧小于当前元素的个数"这类题目，归并排序是首选。这是我常用的带计数功能的变种：

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