Python Quickselect不打印/返回数据透视

下面是quickselect的代码

def quickSelect(lst, k):
if len(lst) != 0:
    pivot = lst[(len(lst)) // 2]
    smallerList = []
    for i in lst:
        if i < pivot:
            smallerList.append(i)
    largerList = []
    for i in lst:
        if i > pivot:
            largerList.append(i)
    count = len(lst) - len(smallerList) - len(largerList)
    m = len(smallerList)
    if k >= m and k < m + count:
        return pivot
        print(pivot)
    elif m > k:
        return quickSelect(smallerList, k)
    else:
        return quickSelect(largerList, k-m-count)

def快速选择（lst，k）：
如果len（lst）！=0:
pivot=lst[（len（lst））//2]
smallerList=[]
对于lst中的i：
如果我想：
smallerList.append（i）
largerList=[]
对于lst中的i：
如果我>轴：
追加（一）
计数=len（lst）-len（小列表）-len（大列表）
m=len（小列表）
如果k>=m且kk：
返回quickSelect（小列表，k）
其他：
返回quickSelect（大列表，k-m-count）

我遇到的问题是，它运行时没有错误或任何东西，但是当它自己完成时，我希望它向pythonshell输出一些东西（在这个特定的例子中是列表的中间值），但我什么也没有得到。我做错什么了吗

至于我输入的lst和k

• lst=[70120170200]
• k=len（lst）//2

我也尝试过使用一些不同的k值，但没有效果

def quickSelect(lst, k):
    if len(lst) != 0:
        pivot = lst[(len(lst)) // 2]
        smallerList = []
        for i in lst:
            if i < pivot:
                smallerList.append(i)
        largerList = []
        for i in lst:
            if i > pivot:
                largerList.append(i)
        count = len(lst) - len(smallerList) - len(largerList)
        m = len(smallerList)
        if k >= m and k < m + count:
            return pivot
            print(pivot)
        elif m > k:
            return quickSelect(smallerList, k)
        else:
            return quickSelect(largerList, k-m-count)

lst = [70, 120, 170, 200]
k = len(lst) // 2

print(quickSelect(lst, k))

---

我唯一纠正的是缩进。

您可以使用列表理解优化此算法。还有，我认为你不需要数数

 def quickSelect(seq, k):
    # this part is the same as quick sort
    len_seq = len(seq)
    if len_seq < 2: return seq

    ipivot = len_seq // 2
    pivot = seq[ipivot]

    smallerList = [x for i,x in enumerate(seq) if x <= pivot and  i != ipivot]
    largerList = [x for i,x in enumerate(seq) if x > pivot and  i != ipivot]

    # here starts the different part
    m = len(smallerList)
    if k == m:
        return pivot
    elif k < m:
        return quickSelect(smallerList, k)
    else:
        return quickSelect(largerList, k-m-1)




if __name__ == '__main__':
    # Checking the Answer
    seq = [10, 60, 100, 50, 60, 75, 31, 50, 30, 20, 120, 170, 200]

    # we want the middle element
    k = len(seq) // 2

    # Note that this only work for odd arrays, since median in
    # even arrays is the mean of the two middle elements
    print(quickSelect(seq, k))
    import numpy
    print numpy.median(seq)

defquickselect（seq，k）：
#此部分与快速排序相同
len_seq=len（seq）
如果len_seq<2：返回seq
ipivot=len_seq//2
pivot=序列[ipivot]
smallerList=[x代表i，x在枚举（seq）中，如果x轴和i！=ipivot]
#这里开始不同的部分
m=len（小列表）
如果k==m：
回程枢轴
elif k

可能只是格式不好，但缩进是错误的。您没有在函数定义之后缩进。我只是运行它（修复缩进），并使用您对lst和k的输入和quickSelect（lst，k）返回170。你能告诉我你是怎么称呼quickSelect的吗？你的期望是什么？尝试打印（quickSelect（lst，k）），以确保解释器打印结果。“打印（quickSelect（lst，k））”是我的问题。我要求在函数中打印。当我这样运行它时，它工作了。格式实际上是正确的，我只是把它复制粘贴到这里。谢谢：）您的代码非常优秀，但如果将

pivot

简单地定义为

seq[0]

，则代码会更简单；这样，您根本不需要使用

枚举

：

smallerList=[x代表x在seq[1:]中，如果x轴]

。我们可以这样做，但是我们需要小心轴的选择。例如，如果我们最终总是分成n-1个子数组，快速排序将有一个运行时O（n^2）而不是O（nlogn）。在中间选择枢轴并不阻止这种情况发生，但是它比在开始选择枢轴的可能性更小。

 def quickSelect(seq, k):
    # this part is the same as quick sort
    len_seq = len(seq)
    if len_seq < 2: return seq

    ipivot = len_seq // 2
    pivot = seq[ipivot]

    smallerList = [x for i,x in enumerate(seq) if x <= pivot and  i != ipivot]
    largerList = [x for i,x in enumerate(seq) if x > pivot and  i != ipivot]

    # here starts the different part
    m = len(smallerList)
    if k == m:
        return pivot
    elif k < m:
        return quickSelect(smallerList, k)
    else:
        return quickSelect(largerList, k-m-1)




if __name__ == '__main__':
    # Checking the Answer
    seq = [10, 60, 100, 50, 60, 75, 31, 50, 30, 20, 120, 170, 200]

    # we want the middle element
    k = len(seq) // 2

    # Note that this only work for odd arrays, since median in
    # even arrays is the mean of the two middle elements
    print(quickSelect(seq, k))
    import numpy
    print numpy.median(seq)