【DS】9(1)

一、计数排序（CountSort）

思路分析

①找出待排序数组中的最大和最小的元素②开辟max-min+1大小的计数数组③统计原数组中每个值为i的元素出现的次数，存入计数数组countArr的第i项④遍历计数数组，反向填充原数组。【具体填充方法：例如计数数组countArr[99]=5，放进原数组里一次，countArr[99]就减减】

动图演示

代码实现

public static void countSort(int[]array){
    //1.遍历数组，找到数组的最大值和最小值——确定计数数组的大小
    int maxVal=array[0];
    int minVal=array[0];
    for (int i = 0; i < array.length; i++) {
        if(array[i]>maxVal){
            maxVal=array[i];
        }
        if(array[i]<minVal){
            minVal=array[i];
        }
    }
    //2.确定计数数组大小
    int[]countArr=new int[maxVal-minVal+1];
    //3.遍历元素，开始计数
    for (int i = 0; i < array.length; i++) {
        countArr[array[i]-minVal]++;
    }
    //4.遍历计数数组,将值再次赋给原来的数组
    int k=0;
    for (int i = 0; i < countArr.length; i++) {
        while(countArr[i]>0){
            array[k++]=i+minVal;
            countArr[i]--;
        }
    }
}

算法效率分析

时间复杂度：O(n+范围)【主要体现在最后一个循环上边】

空间复杂度：O(范围)

稳定性：不稳定

使用前提及应用场景

使用前提：输入的数据必须是有确定范围的整数

应用场景：一般是集中分布一定范围内的整形数据的统计

二、桶排序（BucketSort）

示例分析（含详细步骤拆分图）

其实桶排序没有确切的定义，思想也不好描述，如果非要说核心思想，那就是“划分多个范围相同的区间，每个子区间自排序，最后合并”。

但是只放这一句话可能不好理解，下边我们举个例子。

算法效率分析

时间复杂度：O(n+C)

空间复杂度：O(n（临时数组）+桶的个数)【常数个】

稳定性：不确定，取决于桶内部排序使用的算法

三、基数排序（RadixSort）

示例分析（含详细步骤拆分图及动图演示）

基本原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。

还是和上边一样，我们来举个例子。

①个位数是什么放到对应的桶②按顺序拿出来，再次按照十位数拿③按顺序拿出来，按照百位放④如果最大值只有3位数，就结束了

个十百位的优先级的应用

补充：元素是负数时的处理思路

有负数时处理思路：先判断有无负数 有则找到最小值 数组所有数据都减去该值 也就是数组最小值会变为0 接下来按正整数排序 最后数组所有数据加上原最小数 变为原有数据值】

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！