Counting Sort
时间复杂度O(n+k)
最好情况O(n+k)
最坏情况O(n+k)
空间复杂度O(k)
Out-place
计数排序可以将时间复杂度降到O(n+k),但是需要额外的空间O(k),它是最常见的不基于比较的排序算法。
基本步骤:
1: 找到数组中最大值计为 max
2: 创建一个由max+1 个0组成的数组 newArr
3: 遍历原数组中的元素,以原数组中的元素作为newArr数组的索引,以原数组中的元素出现次数作为newArr数组的元素值。
4: 设置索引index = 0,将newArr元素依次按照索引index++,放入到原始数组arr中
以上思路有一点问题,就是当数组存在负数时,遍历就会出现索引超出数组长度的error,并且当数组内 数字最大值很大时会浪费很多内存空间。后面我会给出优化版本。
Java:
public static void CountingSort(int[] arr) {
int max = arr[0];
for (int num : arr) {
if (num > max) {
max = num;
}
}
int[] newArr = new int[max + 1];
for (int num : arr) {
newArr[num]++;
}
int j = 0;
for (int i = 0; i < max + 1; i++) {
while (newArr[i] > 0) {
arr[j++] = i;
newArr[i]--;
}
}
}
Python:
def CountingSort(num_list):
max_num = max(num_list)
new_list = [0] * (max_num + 1)
for i in num_list:
new_list[i] += 1
index = 0
for i in range(len(new_list)):
while new_list[i] > 0:
num_list[index] = i
index += 1
new_list[i] -= 1
优化版
比如一组数据{101,109,108,102,110,107,103}
,其中最大值为110,按照基础版的思路,我们需要创建一个长度为111的计数数组,但是我们可以发现,它前面的[0,100]
的空间完全浪费了,那怎样优化呢?
将数组长度定为max-min+1
,即不仅要找出最大值,还要找出最小值,根据两者的差来确定计数数组的长度。
该方法同时也能解决数组存在负数的情况。
Java:
public static void OptimizedCountingSort(int[] arr) {
int max = arr[0], min = arr[0];
for (int num : arr) {
if (num > max) {
max = num;
}
if (num < min) {
min = num;
}
}
int[] newArr = new int[max + 1];
for (int num : arr) {
newArr[num - min]++;
}
int j = 0;
for (int i = 0; i < max + 1; i++) {
while (newArr[i] > 0) {
arr[j++] = i + min;
newArr[i]--;
}
}
}
Python:
def OptimizedCountingSort(num_list):
max_num = max(num_list)
min_num = min(num_list)
new_list = [0] * (max_num - min_num + 1)
for i in num_list:
new_list[i - min_num] += 1
index = 0
for i in range(len(new_list)):
while new_list[i] > 0:
num_list[index] = i +min_num
index += 1
new_list[i] -= 1