Sorting in Linear Time（线性时间排序）

 1.Counting Sort 计数排序

 先完善C数组：首先将各个数字的计数填入数组，再根据前两项和等于第三项得出小于等于这个数的计数。最后put each A[i] for i=n to 1 into B[C[A[i]]] 也就是倒序将A中元素根据C中值放入B数组。

第二个for就是一个计数操作，线性扫描A数组，碰到一个数一次就给它在C上计数+1。

这里是倒叙将A中数根据计数放入B中的，如果想要正序放入，在更新C数组时在C数组每一位上的就得是小于这个数的计数。也就是再进行填B之前的C数组变成了0-2-2-4-7-7。此时我们发现0这个数没有位置放了，一开始的计数就是0，所以我们应该给每一位都加一变成1-3-3-5-8-8，再正序扫描A数组将A[i]根据C中计数填入B，A[i]填入以后C[A[i]]也应该减一。

 O（n+k）的时间复杂度，在数据范围（k）太大的时候就别用啦

 In-place Algorithm：

在计算机科学中，一个原地算法（in-place algorithm）是一种使用小的，固定数量的额外之空间来转换资料的算法。当算法执行时，输入的资料通常会被要输出的部份覆盖掉。不是原地算法有时候称为非原地（not-in-place）或不得其所（out-of-place）。

简单来说，就是在不新建大量额外空间（就是固定空间，无论数据多大，都不改变的那种）的基础上对原数据进行操作。

2.Radix Sort 根排序

看r和logn的相对大小决定是否适合使用拓展的根排序。

3.Bucket Sort 桶排序

适用条件：输入独立且均匀地分布在【0，1）上。

将[0,1)分成n个同等容量的小桶，将输入数据分配至n个小桶中，分别在各个小桶中对元素进行排序并存储。

时间复杂度分析：

S2-S3的插入操作对每个元素都是θ（1）的，合起来是θ（n）。

S4-S5的for循环：对每一个桶都使用插入排序得到有序的list，插排最坏时间复杂度为O（n²），但是整个for循环却未必是O（n²），从概率上看一个数落在每个桶的概率是随机的，并且倾向于均匀分布在各个桶。设随机变量Xij：A[j]是否落在B[i]上；此事件为真Xij取1，otherwise取0.