1. 桶排序算法思想
桶排序(Bucket Sort)基本思想:
将未排序数组分到若干个「桶」中,每个桶的元素再进行单独排序。
2. 桶排序算法步骤
-
根据原始数组的值域范围,将数组划分为
k
个相同大小的子区间,每个区间称为一个桶。 -
遍历原始数组元素,将每个元素装入对应区间的桶中。
-
对每个桶内的元素单独排序(使用插入排序、归并排序、快排排序等算法)。
-
最后按照区间顺序将桶内的元素合并起来,完成排序。
3. 桶排序图解演示
3.1 划分子区间
3.2 将数组元素装入桶中,并对桶内元素单独排序
3.3 将桶内元素合并起来,完成排序
4. 桶排序算法分析
-
时间复杂度:$O(n)$。当输入元素个数为 $n$,桶的个数是 $m$ 时,每个桶里的数据就是 $k = n / m$ 个。每个桶内排序的时间复杂度为 $O(k \times \log_2 k)$。$m$ 个桶就是 $m * O(k * log_2k) = m \times O((n / m) \times \log_2(n/m)) = O(n*log_2(n/m))$。当桶的个数 $m$ 接近于数据个数 $n$ 时,$log_2(n/m)$ 就是一个较小的常数,所以排序桶排序时间复杂度接近于 $O(n)$。
-
空间复杂度:$O(n + m)$。由于桶排序使用了辅助空间,所以桶排序的空间复杂度是 $O(n + m)$。
-
排序稳定性:如果桶内使用插入排序算法等稳定排序算法,则桶排序也是一种 稳定排序算法。
5. 桶排序代码实现
class Solution:
def insertionSort(self, arr):
# 遍历无序序列
for i in range(1, len(arr)):
temp = arr[i]
j = i
# 从右至左遍历有序序列
while j > 0 and arr[j - 1] > temp:
# 将有序序列中插入位置右侧的元素依次右移一位
arr[j] = arr[j - 1]
j -= 1
# 将该元素插入到适当位置
arr[j] = temp
return arr
def bucketSort(self, arr, bucket_size=5):
# 计算待排序序列中最大值元素 arr_max 和最小值元素 arr_min
arr_min, arr_max = min(arr), max(arr)
# 定义桶的个数为 (最大值元素 - 最小值元素) // 每个桶的大小 + 1
bucket_count = (arr_max - arr_min) // bucket_size + 1
# 定义桶数组 buckets
buckets = [[] for _ in range(bucket_count)]
# 遍历原始数组元素,将每个元素装入对应区间的桶中
for num in arr:
buckets[(num - arr_min) // bucket_size].append(num)
# 对每个桶内的元素单独排序,并合并到 res 数组中
res = []
for bucket in buckets:
self.insertionSort(bucket)
res.extend(bucket)
return res
def sortArray(self, nums: List[int]) -> List[int]:
return self.bucketSort(nums)