数据结构与算法专题汇总(五)排序,桶排序，计数排序，基数排序

1.桶排序

将数据分到几个有序的痛刘辩，每个桶里的数据用快排，之后再把每个桶里的数据依次取出。

要求：
1.排序的数据很容易划分为m个桶，这些桶之间有着大小顺序
2.数据在各个桶中分布较均匀
3.适合用于外部排序：数据存储在外部磁盘中，数量比较大，内存有限，无法将数据全部加载到内存

举例：
比如说我们有 10GB 的订单数据，我们希望按订单金额（假设金额都是正整数）进行排序，但是我们的内存有限，只有几百 MB，没办法一次性把 10GB 的数据都加载到内存中。这个时候该怎么办呢？

1.扫描一遍文件，看订单金额范围。若最小为1，最大为10万，就可以将订单根据金额分到100个桶，第一个桶存储1～1000，依此类推。每个桶对应一个文件，并分别编号。
2.理想条件下，订单会均匀分到100个文件，每个文件大概100MB数据，将小文件一个个放到内存中，快排排序。所有文件排好序后，再根据文件编号依次读取每个小文件的数据，写入一个大文件中。
3.若一个桶中的数据很多，可以将这个桶继续划分。

2.计数排序

假设只有 8 个考生，分数在 0 到 5 分之间。这 8 个考生的成绩我们放在一个数组 A[8]中，它们分别是：2，5，3，0，2，3，0，3。

遍历一遍，得到各个分数的人数。

顺序求和，c[k]为小于等于分数k的考生人数。

从后到前依次扫描数组 A。比如，当扫描到 3 时，我们可以从数组 C 中取出下标为 3 的值 7，也就是说，到目前为止，包括自己在内，分数小于等于 3 的考生有 7 个，也就是说 3 是数组 R 中的第 7 个元素（也就是数组 R 中下标为 6 的位置）。当 3 放入到数组 R 中后，小于等于 3 的元素就只剩下了 6 个了，所以相应的 C[3]要减 1，变成 6。

扫描完后，数组按照分数从小到大有序排列。

3.基数排序

假设要比较两个手机号码 a，b 的大小，如果在前面几位中，a 手机号码已经比 b 手机号码大了，那后面的几位就不用看了。
借助稳定排序，先排最后一位，再用稳定排序往前边排序。
每一位可以用桶排序或计数排序，时间复杂度O(n)，总时间复杂度O(k*n)
基数排序要求：
需要可以分割出独立的“位”来比较，而且位之间有递进的关系，如果 a 数据的高位比 b 数据大，那剩下的低位就不用比较了。
每一位的数据范围不能太大，要可以用线性排序算法来排序，否则，基数排序的时间复杂度就无法做到 O(n) 了。

def radix_sort(s):
    """基数排序"""
    i = 0 # 记录当前正在排拿一位，最低位为1
    max_num = max(s)  # 最大值
    j = len(str(max_num))  # 记录最大值的位数
    while i < j:
        bucket_list =[[] for _ in range(10)] #初始化桶数组
        for x in s:
            bucket_list[int(x / (10**i)) % 10].append(x) # 找到位置放入桶数组
        print(bucket_list)
        s.clear()
        for x in bucket_list:   # 放回原序列
            for y in x:
                s.append(y)
        i += 1

if __name__ == '__main__':
    a = [334,5,67,345,7,345345,99,4,23,78,45,1,3453,23424]
    radix_sort(a)
    print(a)

4.如何根据年龄给100w用户排序

我们假设年龄的范围最小 1 岁，最大不超过 120 岁。我们可以遍历这 100 万用户，根据年龄将其划分到这 120 个桶里，然后依次顺序遍历这 120 个桶中的元素。这样就得到了按照年龄排序的 100 万用户数据。