计数排序：用统计与定位快速排序

我用一个生动形象的比喻来帮你理解**计数排序（Counting Sort）**的原理。

---

计数排序的生动形象解释

想象你是一个老师，要给一群学生按考试成绩从低到高排队。成绩都是整数，范围是0到100分。

传统排序的难点

如果你让学生们两两比较成绩，排队可能很慢，尤其学生很多时。

计数排序的妙招

你决定先准备一个“成绩统计表”，表里有101个格子（0分到100分），每个格子用来记录有多少学生得了这个分数。

---

具体步骤

1. 统计成绩
   你让每个学生告诉你自己的成绩，然后你在对应分数的格子里加1。
   比如有3个学生得了85分，85分格子里的数字就是3。

2. 计算累计人数
   你从0分开始，依次把每个分数格子的数量加起来，得到“累计人数”。
   这样你就知道，所有成绩小于等于某分数的学生一共有多少。

3. 确定每个学生的位置
   你再从后往前看每个学生的成绩，利用累计人数表，确定这个学生在排队中的准确位置。
   比如累计人数告诉你，85分的学生排在第50到第52位。

4. 排好队
   按照计算的位置，把学生排好队，成绩从低到高。

---

为什么这样能排序？

• 你不需要比较学生之间的成绩，只用统计每个成绩出现的次数。
• 利用累计人数，直接算出每个成绩的学生应该排在哪个位置。
• 这样就能快速把学生排成有序队伍。

---

总结

• 计数排序就是“统计-累计-定位-排序”的过程。
• 它利用成绩的范围有限，快速统计出现次数。
• 适合整数且范围不大的数据。

---

小结表格

步骤	操作描述	作用
统计	统计每个成绩出现的次数	了解数据分布
累计	计算累计人数	确定每个成绩的排队区间
定位	根据累计人数确定每个元素位置	直接定位元素排序位置
排序	按位置把元素放入结果数组	得到有序序列

---

我们继续深入讲解计数排序的细节，包括它的实现步骤、适用场景、时间复杂度分析，以及一个简单的代码示例，帮助你更全面地理解计数排序。

---

计数排序的详细步骤

1. 确定数据范围
   找出待排序数组中的最大值和最小值，确定计数数组的大小。

2. 统计元素出现次数
   创建一个计数数组，长度为最大值减最小值加1，遍历原数组，统计每个元素出现的次数，存入计数数组对应位置。

3. 计算累计计数
   对计数数组进行累加，得到每个元素在排序后数组中的结束位置。

4. 构建排序结果
   从原数组末尾开始遍历，根据计数数组确定每个元素在结果数组中的位置，放入结果数组，并将计数减1。

---

计数排序的适用场景

• 整数排序
  计数排序适合整数排序，尤其是数据范围不大的情况。

• 数据范围有限
  当数据范围（最大值-最小值）不是特别大时，计数排序效率高。

• 稳定排序需求
  计数排序是稳定排序，适合需要保持相同元素相对顺序的场景。

---

计数排序的时间复杂度分析

• 时间复杂度：O(n + k)，其中n是元素数量，k是数据范围大小。

  • 统计次数：O(n)
  • 计算累计：O(k)
  • 构建结果：O(n)

• 空间复杂度：O(n + k)，需要额外空间存储计数数组和结果数组。

---

计数排序的Python代码示例

def counting_sort(arr):
    if not arr:
        return arr

    min_val = min(arr)
    max_val = max(arr)
    range_val = max_val - min_val + 1

    # 1. 统计元素出现次数
    count = [0] * range_val
    for num in arr:
        count[num - min_val] += 1

    # 2. 计算累计计数
    for i in range(1, range_val):
        count[i] += count[i - 1]

    # 3. 构建排序结果
    output = [0] * len(arr)
    for num in reversed(arr):
        count[num - min_val] -= 1
        output[count[num - min_val]] = num

    return output

# 测试
arr = [4, 2, 2, 8, 3, 3, 1]
sorted_arr = counting_sort(arr)
print(sorted_arr)
# 输出: [1, 2, 2, 3, 3, 4, 8]

---

代码解析

• 先确定数据范围，创建计数数组。
• 统计每个元素出现次数。
• 计算累计计数，确定元素排序位置。
• 从后往前遍历原数组，保证排序稳定性。
• 返回排序后的数组。

---

总结

• 计数排序通过统计元素出现次数，利用累计计数直接定位元素位置。
• 适合整数且范围不大的数据，时间复杂度接近线性。
• 是稳定排序，空间开销较大。

---