Go最新十大经典排序，你全都会了吗？（附源码、动图、万字详解，成功从小公司跳槽

本文链接：https://blog.csdn.net/2401_84925780/article/details/138768548

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

三数取中法选key

最左，最右，中间三个位置的数进行比较，选出中等大小的那个做key

//选出中等大小数的下标
int GetMidIndex(int\* a, int left, int right)
{
	int mid = left + (right - left) / 2;

	if (a[left] < a[mid])
	{
		if (a[mid] < a[right])
		{
			return mid;
		}
		else if (a[left] < a[right])
		{
			return right;
		}
		else
		{
			return left;
		}
		
	}
	else
	{
		if (a[right] > a[left])
		{
			return left;
		}
		else if (a[mid] > a[right])
		{
			return mid;
		}
		else
		{
			return right;
		}
	}
}
int PartSort3(int\* a, int left, int right)
{
	//三数取中
	int mid = GetMidIndex(a, left, right);
	Swap(&a[mid], &a[left]);

	int keyi = left;
	int cur = left + 1;
	int prev = left;
	while (cur <= right)
	{
		if (a[cur] < a[keyi] && a[++prev] != a[cur])//防止自己和自己交换
			Swap(&a[cur], &a[prev]);

		cur++;
	}
	Swap(&a[prev], &a[keyi]);
	return prev;
}

2️⃣快排的结构是类似于二叉树的，二叉树最后几层的数是最多的，排序难度也很低，是否能够不递归到最小区间，中途就运用另一种排序方法返回有序数组给上一层来优化呢？当然是可以的

小区间优化：递归到小的子区间时，可以考虑使用插入排序，减少递归调用

//加小区间优化
void QuickSort2(int\* a, int begin, int end)
{
	// 子区间相等只有一个值或者不存在那么就是递归结束的子问题
	if (begin >= end)
		return;

	if (end - begin + 1 <= 13)
	{
		InsertSort(a + begin, end - begin + 1);
	}
	else
	{
		int keyi = PartSort3(a, begin, end);
		// [begin, keyi-1]keyi[keyi+1, end]
		QuickSort2(a, begin, keyi - 1);
		QuickSort2(a, keyi + 1, end);
	}
}

3.3.2 快速排序非递归

栈的代码可以到我之前的博文找，当然你如果会C++的话一切就更简单了。

//非递归
void QuickSort3(int\* a, int begin, int end)
{
	ST st;
	StackInit(&st);
	StackPush(&st, begin);
	StackPush(&st, end);

	//右边处理完了再处理左边
	while (!StackEmpty(&st))
	{
		int right = StackTop(&st);
		StackPop(&st);
		int left = StackTop(&st);
		StackPop(&st);

		int keyi = PartSort3(a, left, right);
		//[left,keyi-1][keyi+1,right]
		if (left < keyi - 1)
		{
			StackPush(&st, left);
			StackPush(&st, keyi - 1);
		}
		if (keyi + 1 < right)
		{
			StackPush(&st, keyi + 1);
			StackPush(&st, right);
		}
	}

	StackDestory(&st);
}

快速排序的特性总结：
1️⃣ 快速排序整体的综合性能和使用场景都是比较好的，所以才敢叫快速排序
2️⃣ 时间复杂度：O(

N

∗

l

o

g

N

N*logN

N∗logN)

3️⃣ 空间复杂度：O(

l

o

g

N

logN

logN)~O(

N

N

N)（最坏情况每次key都取到最大或最小，要递归n层）

4️⃣ 稳定性：不稳定（选key，三数取中，很多因素使它不稳定）

4. 7️⃣归并排序

基本思想：
归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法,该算法是采用分治法（Divide andConquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。（有微积分那味了）

//有点像前序遍历
void \_MergeSort(int\* a, int begin, int end, int\* tmp)
{
	//停止条件——只有一个的时候
	if (begin >= end)
		return;

	int mid = begin + (end - begin) / 2;
	//区间的分割要小心，可能会出现死循环
	//[begin,mid][mid+1,end]
	\_MergeSort(a, begin, mid, tmp);
	\_MergeSort(a, mid + 1, end, tmp);

	//归并
	//printf("[%d, %d][%d, %d]\n", begin, mid, mid + 1, end);
	int begin1 = begin, end1 = mid;
	int begin2 = mid + 1, end2 = end;
	int index = begin;
	while (begin1 <= end1 && begin2 <= end2)
	{
		if (a[begin1] < a[begin2])
		{
			tmp[index++] = a[begin1++];
		}
		else
		{
			tmp[index++] = a[begin2++];
		}
	}
	while (begin1 <= end1)
	{
		tmp[index++] = a[begin1++];
	}
	while (begin2 <= end2)
	{
		tmp[index++] = a[begin2++];
	}
	//拷回去
	memcpy(a + begin, tmp + begin, (end - begin + 1) \* sizeof(int));
}


void MergeSort(int\* a, int n)
{
	int\* tmp = (int\*)malloc(sizeof(int) \* n);
	assert(tmp);

	\_MergeSort(a, 0, n - 1, tmp);

	free(tmp);
}

4.1 归并排序非递归

边界处理永远的泪😭

//非递归
void MergeSortR(int\* a, int n)
{
	int\* tmp = (int\*)malloc(sizeof(int) \* n);
	assert(tmp);
	int gap = 1;

	while (gap < n)
	{
		//间距为gap为一组，两两归并
		for (int i = 0; i < n; i += 2 \* gap)
		{
			int begin1 = i, end1 = i + gap - 1;
			int begin2 = i + gap, end2 = i + 2 \* gap - 1;
			//只有end1越界，直接修正
			if (end1 >= n)
				end1 = n - 1;
			//begin2不存在，第二个区间不存在,修正成一个不存在的区间
			if (begin2 >= n)
			{
				begin2 = n;
				end2 = n - 1;
			}
			//begin2没事end2越界，修正end2
			if (end2 >= n)
				end2 = n - 1;
			int index = i;

			//printf("[%d, %d][%d, %d]\n", begin1, end1, begin2, end2);
			while (begin1 <= end1 && begin2 <= end2)
			{
				if (a[begin1] < a[begin2])
				{
					tmp[index++] = a[begin1++];
				}
				else
				{
					tmp[index++] = a[begin2++];
				}
			}
			while (begin1 <= end1)
			{
				tmp[index++] = a[begin1++];
			}
			while (begin2 <= end2)
			{
				tmp[index++] = a[begin2++];
			}
		}
		memcpy(a, tmp, n \* sizeof(int));
		gap \*= 2;
	}
	free(tmp);
}

归并排序的特性总结：
1️⃣ 归并的缺点在于需要O(N)的空间复杂度，归并排序的思考更多的是解决在磁盘中的外排序问题。
2️⃣ 时间复杂度：O(N*logN)
3️⃣ 空间复杂度：O(N)

4️⃣ 稳定性：稳定

5. 非比较排序

5.1 8️⃣计数排序

思想：计数排序又称为鸽巢原理，是对哈希直接定址法的变形应用。操作步骤：

统计相同元素出现次数
根据统计的结果将序列回收到原来的序列中

//适用于范围集中的数，排负数也行
void CountSort(int\* a, int n)
{
	int min = a[0], max = a[0];
	for (int i = 1; i < n; i++)
	{
		if (a[i] > max)
			max = a[i];
		if (a[i] < min)
			min = a[i];
	}
	int range = max - min + 1;
	int\* countA = (int\*)calloc(range, sizeof(int));
	assert(countA);

	for (int i = 0; i < n; i++)
	{
		countA[a[i] - min]++;
	}

	int j = 0;
	for (int i = 0; i < range; i++)
	{
		while (countA[i]--)
		{
			a[j++] = i + min;
		}
	}
}

计数排序的特性总结：
1️⃣ 计数排序在数据范围集中时，效率很高，但是适用范围及场景有限，浮点数就没法排。
2️⃣ 时间复杂度：O(MAX(N,范围))
3️⃣ 空间复杂度：O(范围)

4️⃣ 稳定性：稳定

5.2 9️⃣桶排序

桶排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。桶排序 (Bucket sort)的工作的原理：假设输入数据服从均匀分布，将数据分到有限数量的桶里，每个桶再分别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排）。

操作步骤：

设置一个定量的数组当作空桶；
每个桶存放该区间的数据，由于每个桶内的数据元素个数不确定，可以使用链表表示，同时使用插入排序，让每个桶的链表有序。
这样按照次序将所有桶的元素连起来就得到完整的有序列表。

typedef int SLTDataType;
typedef struct SListNode
{
	SLTDataType data;
	struct SListNode\* next;
}SListNode;

void InsertNode(SListNode\*\* bucket, int data)
{
	SListNode\* p = (SListNode\*)malloc(sizeof(SListNode));
	p->data = data;
	p->next = NULL;

	// 桶为空 
	if (\*bucket == NULL)
	{
		\*bucket = p;
	}
	else
	{
		SListNode\* prev = NULL;
		SListNode\* cur = \*bucket;

		while (cur != NULL && cur->data <= data)
		{
			prev = cur;
			cur = cur->next;
		}
		// 对插入到第一个结点前的情况处理
		if (prev == NULL)
		{
			\*bucket = p;
			p->next = cur;
		}
		else
		{
			prev->next = p;
			p->next = cur;
		}
	}
}

void BucketSort(int\* arr, int n)
{
	//寻找最大值最小值
	int max = arr[0], min = arr[0];
	for (int x = 0; x < n; x++) {
		max = arr[x] > max ? arr[x] : max;
		min = arr[x] < min ? arr[x] : min;
	}

	//获取容量
	int bucketsize = (max - min) / n + 1;

	//获取桶数量
	int bucketcount = (max - min) / bucketsize + 1;

	//申请桶空间
	SListNode\*\* b=(SListNode\*\*)calloc(bucketcount, sizeof(SListNode\*));

	//分配数据
	for (int i = 0; i < n; i++)
	{
		//算出arr[i]对应的桶位置
		int pos = (arr[i] - min) / bucketsize;
		InsertNode(&b[pos], arr[i]);
	}

	//将数据返回到数组
	SListNode\* tmp;
	for (int i = 0, j = 0; i < bucketcount && j < n; i++)
	{
		if (b[i] != NULL)
		{
			tmp = b[i];
			while (tmp != NULL)
			{
				arr[j++] = tmp->data;
				tmp = tmp->next;
			}
		}
	}

	//free
	for (int i = 0; i < bucketcount; i++)
	{
		while (b[i] != NULL)
		{
			tmp = b[i];
			b[i] = tmp->next;
			free(tmp);
		}
	}
	free(b);
}

桶排序的特性总结：

1️⃣时间复杂度：O(range + N)

2️⃣空间复杂度：O(range + N)

3️⃣稳定性：稳定。

5.3 🔟基数排序

基数排序是按照低位先排序，然后收集；再按照高位排序，然后再收集；依次类推，直到最高位。有时候有些属性是有优先级顺序的，先按低优先级排序，再按高优先级排序。最后的次序就是高优先级高的在前，高优先级相同的低优先级高的在前。

//求最大位数
int Maxbit(int\* arr, int n)
{
	int max = arr[0];
	for (int i = 1; i < n; i++)
	{
		if (arr[i] > max)
			max = arr[i];
	}

	int k = 1;
	while (max >= 10)
	{
		max /= 10;
		k++;
	}

	return k;
}

void RadixSort(int\* arr, int n)
{
	int k = Maxbit(arr, n);
	int radix = 1;
	int\* tmp = (int\*)malloc(sizeof(int) \* n);

	while (k)
	{
		int bucket[10] = { 0 };

		//统计每个桶的数据个数
		for (int i = 0; i < n; i++)
		{
			bucket[arr[i] / radix % 10]++;
		}

		//累加
		for (int i = 1; i < 10; i++)
		{
			bucket[i] += bucket[i - 1];
		}

		//向tmp数组存入数据
		for (int i = n - 1; i >= 0; i--)
		{
			tmp[bucket[arr[i] / radix % 10] - 1] = arr[i];
			bucket[arr[i] / radix % 10]--;
		}

		//将tmp序列拷贝到原数组中
		memcpy(arr, tmp, n \* sizeof(int));

		radix \*= 10;
		k--;
	}
	free(tmp);
}