数据结构和算法 ＜字符串＞（二、字符串排序 上）

不看《算法4》都不知道字符串排序也能讲这么多，之前还以为就是简单的strcmp就完事了，不过看了发现没这么简单，没这么简单的话，就赶紧来学一学吧。

2.0 字符串排序思路

之前是不打算写这个的，直到我看到后面了之后，才发现需要写一个对比，才能更好的理解后面的字符排序法，所以就起了一个0的序号。

从排序说起，我们学过的排序有冒泡，快排等，但是仔细想了一下，我们之前用的排序都是直接用值比较，不过字符串我们也有函数，strcmp，但是这样的话效率就很低下，所以有必要来研究研究字符串排序的方法。

2.1 键索引计数法

这篇文章本来想看懂再写的，结果发现，这个建索引计数法，怎么都看不懂，还拖慢了进度，那就干脆一遍写一遍看，这样效率反而搞了点。

2.1.1 题目

我们就按《算法4》的题目自己实现一遍，说实话，我现在还没看懂，不过可以先实现、

老师在统计学生分数时会遇到以下数据处理问题。学生分为若干组，标号为1 、2 、3等。在某些情况下，我们希望全部同学按组分类。因为组的编号是较小的整数，使用键索引计数法来排序很合适。

假设数组stu[]中的每个元素都保存了一个名字和一个组号，其中组号在0-R-1之间，如下：

struct student
{
    char name[50];
    int groud;
};

student stu[] = {
    {"Anderson", 2},
    {"Brown", 3},
    {"Davis", 3},
    {"Carcia", 4},
    {"Harris", 1},
    {"Jackson", 3},
    {"Johnson", 4},
    {"Martin", 3},
    {"Martinez", 2},
    {"Miller", 2},
    {"Moore", 1},
    {"Robinson", 2},
    {"Smith", 4},
    {"Taylor", 3},
    {"Thomas", 4},
    {"Thompson", 4},
    {"White", 2},
    {"Williams", 3},
    {"Wilson", 4},
};

//strsort的构造函数，就是把数组准备好
StrSort::StrSort(int count_size)
{
    m_count = new int[count_size];
    memset(m_count, 0, count_size*sizeof(int));
    m_count_size = count_size;
}    

2.1.2 频率统计

频率统计其实就是统计一共有多少个共同的key。

1. 使用int数组count[]计算每个键出现的频率
2. 对于数组中的每个元素，都使用它的键访问count[]中的相应元素并将其加一

代码如下：

/*
    使用int数组count[]计算每个键出现的频率
    对于数组中的每个元素，都使用它的键访问count[]中的相应元素并将其加一
*/
int *StrSort::FreqCount(student *stu, int stu_len)
{
    for(int i = 0; i < stu_len; i++) {
        int key = stu[i].groud;
        m_count[key + 1]++; 
        printf("key %d count %d\n", key+1, m_count[key + 1]);
    }

    return m_count;
}

统计之后的图示：

2.1.3 将频率转换为索引

使用count[]来计算每个键在排序结果中的起始索引位置
例：第一组有3个人，第二组有5个人，因此第三组中的同学在排序结果数组中的起始位置为8。
白话：其实就是把，每个组的基数算出来，然后每个组就在这个基数上操作。

代码如下：

/*
    使用count[]来计算每个键在排序结果中的起始索引位置
    例：第一组有3个人，第二组有5个人，因此第三组中的同学在排序结果数组中的起始位置为8
*/
int StrSort::ConvIndex()
{
    for(int r=0; r < R; r++) {
        m_count[r+1] += m_count[r];        //把前面的个数一直叠加
        printf("ConvIndex r+1=%d = %d r=%d =%d\n", r+1, 		 m_count[r+1], r, m_count[r]);
    }

    return 0;
}

图示：

其实我很不理解，一个一维数组干啥用二维的方式表示，我之前的看的懵逼了，你们如果也懵逼的话，就要把这个图当做一维数组来看。

ConvIndex count[0]=0
ConvIndex count[1]=0
ConvIndex count[2]=3
ConvIndex count[3]=8
ConvIndex count[4]=14

这样画不香么

2.1.4 数据分类

在将count[]数组转换成一张索引表之后，将所有元素移动到一个辅助数组aux[]中进行排序。
每个元素在aux[]中的位置是由它的键对应的count[]值决定。

代码如下：

/*
    在将count[]数组转换成一张索引表之后，将所有元素移动到一个辅助数组aux[]中进行排序。
    每个元素在aux[]中的位置是由它的键对应的count[]值决定。
*/
int StrSort::Datafen(student *stu, int stu_len)
{
    student *aux = new student[stu_len];

    for(int i=0; i<stu_len; i++) {
        int key = stu[i].groud;     //找到key
        int index = m_count[key]++;   //然后通过key找到索引
        aux[index] = stu[i];      //然后填进对应的坑位中
    }

    for (int i=0; i<stu_len; i++)   //回写
    {
        stu[i] = aux[i];
    }

    for (int i=0; i<stu_len; i++) 
    {
        printf("stu %s %d\n", stu[i].name, stu[i].groud);
    }


    delete[] aux;
    return 0;
}

图示：

第一个图我也没看，没眼看，不知道为什么画的这么复杂，增加理解难度啊，真是的、
第二个还是比较容易理解的，就是通过索引，然后找到自己对应的坑位就可以了。

2.1.5 回写

这个就简单了，因为我们在排序的时候，是使用到了辅助数组，所以最后一步需要我们把排序后的结果赋值回去。

2.1.6 完整代码路径

代码已经写出来，不过感觉封装的太水了，目前先这样吧，路径：…/code/strSort.cpp

2.2 低位优先的字符串排序

好像我看着就是在从低位开始，一遍一遍的使用建索引计数法就行的排序。

下面直接上代码：

void LSD::sort(std::string *a, int a_len, int w)
{
    //通过前w个字符将a[]排序
    int N = a_len;
    int R = 256;
    std::string *aux = new std::string[N];

    for (int d= w-1; d >=0; d--)
    {
        //根据第d个字符用键索引计数法排序
        int *count = new int[R+1];
        memset(count, 0, (R+1)*4);
        for (int i = 0; i< N; i++)          // 计算频率
        {
            count[a[i].at(d) + 1]++;
            //printf("%c ", a[i].at(d));
        }

        for (int r =0; r < R; r++)          // 将频率转换为索引
        {
            count[r+1] += count[r];
            //printf("r %d %d\n", r, count[r]);
        } 
    
        for (int i=0; i<N; i++)             // 将元素分类
            aux[count[a[i].at(d)]++] = a[i];

        for (int i=0; i<N; i++)             // 回写
            a[i] = aux[i];

        // printf("\n");
    }

    delete[] aux;
}

std::string temp[] = {
    "4PGC938",
    "2IYE230",
    "3CIO720",
    "1ICK750",
    "10HV845",
    "4JZY524",
    "1ICK750",
    "3CIO720",
    "10HV845",
    "10HV845",
    "2RLA629",
    "2RLA629",
    "3ATW723"
};


#if 1
    int main(int argc, char *argv[])
    {
        printf("aa\n");
        
        LSD::sort(temp, 13, 7);

        for (int i=0; i<13; i++)
        {
            printf("%d %s\n", i, temp[i].c_str());
        }

        return 0;
    }


#endif

是不是有点奇怪，说从低位排起，按照我们的习惯应该是高位排起，不过仔细想想从低位排期会先把低位就绪，然后再排高位，很反过来排序的效果是一样的。

下一次就可以安排高位优先排序了。

完整代码路径：…/code/LSD.cpp