数据结构与算法笔记----基数排序和计数排序，桶排序

（1）计数排序算法思想

伪计数排序（被坑了，乍一看有点计数的思想，但是时间复杂度O(N^2)，空间复杂度O（n），真的侮辱智商）

 这是某博主的提供的思路

【 对每一个输人元素x，确定小于x 的元素个数。 利用这一信息，就 可以直接把x放到它在输出数组中的位置上了。 例如，如果有17个元素小于x，则x就应该在第18个输出位置上。 当有几个元素相同时，这一方案要略做修改。 因为不能把它们放在同一个输出位置上。】

正确的计数排序算法及桶排序算法

计数排序的适用范围：待排序的元素在某一个范围[MIN, MAX]之间 。
计数排序的时间复杂度：O（m+n)
计数排序的空间复杂度：O（maxValue-minValue+1）
遍历一遍数组A，在辅助数组上相应位置增加（如遇到5，那么辅助数组aux[5]++）
代码实现还是比较简单的

注意：很多博客往往将计数排序称为桶排序，实际上不严谨

桶排序是计数排序的变种，它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。

(1)将待排序元素划分到不同的桶。先扫描一遍序列求出最大值 maxV 和最小值 minV ，设桶的个数为 k ，则把区间 [minV, maxV] 均匀划分成 k 个区间，每个区间就是一个桶。将序列中的元素分配到各自的桶。
对每个桶内的元素进行排序。可以选择任意一种排序算法。
(2)将各个桶中的元素合并成一个大的有序序列。
假设数据是均匀分布的，则每个桶的元素平均个数为 n/k 。假设选择用快速排序对每个桶内的元素进行排序，那么每次排序的时间复杂度为 O(n/klog(n/k)) 。总的时间复杂度为 O(n)+O(m)O(n/klog(n/k)) = O(n+nlog(n/k)) = O(n+nlogn-nlogk 。当 k 接近于 n 时，桶排序的时间复杂度就可以金斯认为是 O(n) 的。即桶越多，时间效率就越高，而桶越多，空间就越大。

基数排序

按位来排序

1. 将所有待排序整数（注意，必须是非负整数）统一为位数相同的整数，位数较少的前面补零。一般用10进制，也可以用16进制甚至2进制。所以前提是能够找到最大值，得到最长的位数，设 k 进制下最长为位数为 d 。
2. 从最低位开始，依次进行一次稳定排序。这样从最低位一直到最高位排序完成以后，整个序列就变成了一个有序序列。
   举个例子，有一个整数序列，0, 123, 45, 386, 106，下面是排序过程：

第一次排序，个位，000 123 045 386 106，无任何变化
第二次排序，十位，000 106 123 045 386
第三次排序，百位，000 045 106 123 386
最终结果，0, 45, 106, 123, 386, 排序完成。

计数排序可能会遇到吧，桶排序一般不会遇到要写代码的情况，了解其思想即可。

对了，我在夏令营面试的时候遇到过这样的问题

老师：看你学过C语言，那我问你几个问题（我一个都没答上来）
（1）如何不用辅助变量，交换两个变量的值
答案：
a=a+b，b=a-b，a=a-b
(2) 如何时间复杂度O(n)排序
答案：
比较类型的（或者是通用排序算法）排序最快要O（NlogN）
但是计数排序时间复杂度可以达到O（n）