数据结构—基数排序学习笔记

应用场景

针对数据范围过大（对手机号进行排序），数据不是整型（比如是字符串）的这些特点，计数排序难以进行简单的处理，但可以通过基数排序解决。

算法原理

这里我们举出身高的例子（手机号的例子实在太长了）：

请为一组身高进行排序：
192 168 131 147 145 189 177 142 172 203

首先我们观察到，对于待排序的数据，其在不同位上数字的权重是不一样的（百位>十位>个位），百位上大的数值一定比十位上大的数值来得大。

2?? > 1??  √          
?2? > ?1?  ×

因此我们对最长为 k 的数据进行排序时，可以分成 k 步，每一次只比较每个数据的同一位上的数字，并对其排序。当然每一次的排序过程都要保证是稳定的，否则可能会丢失之前的排序顺序导致出错。

推荐从低位到高位的顺序进行排序，此时只需要保证每轮排序的稳定即可有序；
如果使用从高位到低位的顺序进行排序，高位大而低位小的时候会需要额外的判断条件，不利于程序编写。

比如身高例子中如果使用高位到低位的顺序进行排序，
那么第一轮循环时， 203 的百位是最大的 2 ，它会放在数列的最后一个位置。
但第二轮循环时，203 的十位数为 0 ，它是否前移还需要判断百位的相对大小，所以会造成重复判断，
因此都推荐从低位到高位的顺序进行排序。

对数字排序时，由于可能出现数字长度不一致的情况，那么这个时候需要对高位补零；
对字符串排序时，则可以对低位补零，并设置零是最小的字符，这不改变字符串的大小。

原序列    192，168，131，147，145，189，177，142，172，203
第一轮    131，192，142，172，203，145，147，177，168，189
第二轮    203，131，142，145，147，168，172，177，189，192
第三轮    131，142，145，147，168，172，177，189，192，203

复杂度

• 时间复杂度：
  对每一位进行排序时，实际上是进行稳定的计数排序操作，假设每一位的数据范围为 m ，则对每一位进行稳定计数排序的时间复杂度是 O(n + m)，然后待排序数据最长有 k 位，则共需要执行 k 次计数排序，所以时间复杂度是 O(k (n + m))，由于 k 通常都是常数级的，那么基数排序可以认为是一个线性排序算法。

• 空间复杂度：
  每一轮的计数排序，需要 O(n + m) 的辅助空间，但辅助数组是可以被重复使用的，因此基数排序的空间复杂度是 O(n + m) 。

代码

public void redixSort(int[] nums,int maxLength){
    //克隆数组作为数据源
    int[] cloneArray = nums.clone();
    //从低位循环到高位，共maxLength次
    for(int k=0;k<maxLength;k++){
        //数字的每一位数字范围只有0到9
        int[] count = new int[10];
        //维护计数数组
        for (int num:nums){
            //取得第k位上的数，放入计数数组
            count[getMod(num,k)]++;
        }
        //维护排名数组
        for(int i=1;i<count.length;i++){
            count[i] = count[i] + count[i-1];
        }
        //从后往前遍历，更新原数组
        for(int i=cloneArray.length-1;i>=0;i--){
            nums[--count[getMod(cloneArray[i],k)]] = cloneArray[i];
        }
        //复制一遍数组，保存本次循环的顺序，供下次循环使用
        cloneArray = nums.clone();
    }
}

//应该寻找一种O(1)复杂度的取模表达式
private int getMod(int num,int index){
    for(;index>0;index--)
        num /=10;
    return num % 10;
}