八大排序之基数排序（桶排序Java实现）

基数排序（桶排序）介绍：

1.基数排序属于“分配式排序”，又称为“桶子法”或者bin sort，顾名思义，它是通过键值的各个位的值，将要排序的元素分配至某些“桶”中，达到排序的作用。
2.技术排序法是属于稳定性的排序，基数排序法是效率高的稳定性的排序法
3.基数排序是桶排序的扩展
4.基数排序是1887年赫尔曼。何乐礼发明的。它是这样实现的：将整数按位数切割成不同的数字，然后按每个位数分别比较

基数排序的基本思想：

1.将所有待比较数值统一为同样的数位长度，数位较短的数前面补0，然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后，数列就变成一个有序序列。
基数排序（桶排序）初始代码：

package DataStructures.sort;

import java.util.Arrays;

public class RadixSort {
    public static void main(String[] args) {
        int arr[] = {53, 3, 542, 748, 14, 214};
        radixSort(arr);
    }

    //基数排序方法：
    public static void radixSort(int[] arr) {
        //第一轮排序就是指针对每个元素的个位数进行排序处理
        //定义一个二维数组，表示10个桶，每个桶就是一个一维数组
        //1.二维数组包含10个一维数组
        //2.为了防止放入数的时候，数据溢出，则每一个一维数组，大小定位arr.length
        //3.明确，基数排序是使用空间替换时间的算法
        int[][] bucket = new int[10][arr.length];
        //为了记录每个桶中，实际存放了多少个数据，定义一个一维数组来记录各个桶每次放入的数据个数
        //bucketElementCounts[0]，记录的就是bucket[0] 桶的放入数据个数
        int[] bucketElementCounts = new int[10];
        //第一轮
        for (int j = 0; j < arr.length; j++) {
            //取出每个元素的个位的值
            int digitOfElement = arr[j] % 10;
            //放入到对应的桶汇总
            bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
            bucketElementCounts[digitOfElement]++;
        }
        //按照这个桶的顺序（一维数组的下标依次取出数据，放入原来数组中）
        int index = 0;
        //遍历每一个桶，并将桶中的数据，放入原来数组
        for (int k = 0; k < bucketElementCounts.length; k++) {
            //如果桶中有数据。我们才放入到原数组中
            if (bucketElementCounts[k] != 0) {
                //循环该桶即第k个桶（即第k个一维数组）放入
                for(int l = 0;l<bucketElementCounts[k];l++){
                    //取出元素放入到arr中
                    arr[index++] = bucket[k][l];
                }
            }
            //第一轮处理后，需要将每个bucketElementCounts[k] = 0
            bucketElementCounts[k] = 0;
        }
        System.out.println("第一轮，对个位数的排序处理arr="+Arrays.toString(arr));



        //第二轮
        for (int j = 0; j < arr.length; j++) {
            //取出每个元素的十位的值
            int digitOfElement = arr[j]/10 % 10;//748/10%10=十位的数字
            //放入到对应的桶汇总
            bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
            bucketElementCounts[digitOfElement]++;
        }
        //按照这个桶的顺序（一维数组的下标依次取出数据，放入原来数组中）
        index = 0;
        //遍历每一个桶，并将桶中的数据，放入原来数组
        for (int k = 0; k < bucketElementCounts.length; k++) {
            //如果桶中有数据。我们才放入到原数组中
            if (bucketElementCounts[k] != 0) {
                //循环该桶即第k个桶（即第k个一维数组）放入
                for(int l = 0;l<bucketElementCounts[k];l++){
                    //取出元素放入到arr中
                    arr[index++] = bucket[k][l];
                }
            }
            //第一轮处理后，需要将每个bucketElementCounts[k] = 0
            bucketElementCounts[k] = 0;
        }
        System.out.println("第二轮，对十位数的排序处理arr="+Arrays.toString(arr));


        //第二轮
        for (int j = 0; j < arr.length; j++) {
            //取出每个元素的百位的值
            int digitOfElement = arr[j]/100 % 10;//748/100%10=十位的数字
            //放入到对应的桶汇总
            bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
            bucketElementCounts[digitOfElement]++;
        }
        //按照这个桶的顺序（一维数组的下标依次取出数据，放入原来数组中）
        index = 0;
        //遍历每一个桶，并将桶中的数据，放入原来数组
        for (int k = 0; k < bucketElementCounts.length; k++) {
            //如果桶中有数据。我们才放入到原数组中
            if (bucketElementCounts[k] != 0) {
                //循环该桶即第k个桶（即第k个一维数组）放入
                for(int l = 0;l<bucketElementCounts[k];l++){
                    //取出元素放入到arr中
                    arr[index++] = bucket[k][l];
                }
            }
        }
        System.out.println("第三轮，对百位数的排序处理arr="+Arrays.toString(arr));

    }
}

基数排序代码优化：

package DataStructures.sort;

import java.util.Arrays;

public class RadixSort {
    public static void main(String[] args) {
        int arr[] = {53, 3, 542, 748, 14, 214};
        radixSort(arr);
    }

    //基数排序方法：
    public static void radixSort(int[] arr) {
        //根据前面的推导过程，可以得到最终的基数排序代码
        //1.得到数组中最大的位数
        int max = arr[0];//假设第一个数是最大的数
        for (int i = 1; i < arr.length; i++) {
            if (arr[i] > max) {
                max = arr[i];
            }
        }
        //得到最大数就是几位数
        int maxLength = (max + "").length();


        //第一轮排序就是指针对每个元素的个位数进行排序处理
        //定义一个二维数组，表示10个桶，每个桶就是一个一维数组
        //1.二维数组包含10个一维数组
        //2.为了防止放入数的时候，数据溢出，则每一个一维数组，大小定位arr.length
        //3.明确，基数排序是使用空间替换时间的算法
        int[][] bucket = new int[10][arr.length];
        //为了记录每个桶中，实际存放了多少个数据，定义一个一维数组来记录各个桶每次放入的数据个数
        //bucketElementCounts[0]，记录的就是bucket[0] 桶的放入数据个数
        int[] bucketElementCounts = new int[10];

        //代码展示使用循环将代码优化
        for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
            //针对每一个元素的对应位进行排序处理，第一次是个位，第二次是十位，第三次是百位
            for (int j = 0; j < arr.length; j++) {
                //取出每个元素的个位的值
                int digitOfElement = arr[j] / n % 10;
                //放入到对应的桶汇总
                bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
                bucketElementCounts[digitOfElement]++;
            }
            //按照这个桶的顺序（一维数组的下标依次取出数据，放入原来数组中）
            int index = 0;
            //遍历每一个桶，并将桶中的数据，放入原来数组
            for (int k = 0; k < bucketElementCounts.length; k++) {
                //如果桶中有数据。我们才放入到原数组中
                if (bucketElementCounts[k] != 0) {
                    //循环该桶即第k个桶（即第k个一维数组）放入
                    for (int l = 0; l < bucketElementCounts[k]; l++) {
                        //取出元素放入到arr中
                        arr[index++] = bucket[k][l];
                    }
                }
                //第一轮处理后，需要将每个bucketElementCounts[k] = 0
                bucketElementCounts[k] = 0;
            }
            System.out.printf("第%d轮，对个位数的排序处理arr=\n" ,i+1);
            System.out.println(Arrays.toString(arr));


        }}}

排序前的时间：2021-10-04 19:58:31
Exception in thread “main” java.lang.OutOfMemoryError: Java heap space
at DataStructures.sort.RadixSort.radixSort(RadixSort.java:48)
at DataStructures.sort.RadixSort.main(RadixSort.java:20)
//8千万条数据排序会产生内存不足