排序算法-计数排序的时间复杂度分析

计数排序的思想

计数排序，当数据范围max不大的时候，可以使用一个长度为max+1，即[0,max]的数组用以存储数据出现的次数。根据这个数据出现的次数，通过一定的计算，就可以知道这个数据之前到底有多少个数据，那么自然就很容易知道这个数据在总体数据中的位置了。利用这个思想，我们就可以对一个范围不大的数组进行计数排序。

计数排序的时间复杂度

计数排序的时间复杂度是O(n),当然这个前提是数据范围不大的时候，即数据的最大值max不会比数组的总数据个数n大很多。

 

计数排序的稳定性

当正向遍历的时候，计数排序不是稳定的排序算法，数据的位置会发生改变。

当反向遍历的时候，计数排序就是稳定的排序算法，数据的位置不会改变。

 

计数排序是否为原地排序算法

计数排序很明显用到了额外的存储空间来存储排好序的数据，而且还使用了计数数组来存储每个数据出现的次数。所以肯定不是原地排序算法。

图解

代码

package com.study.algorithm.sort;

/**
 * 计数排序
 *
 */
public class CountingSort {

  // 计数排序，a是数组，n是数组大小。假设数组中存储的都是非负整数。
  public static void countingSort(int[] a, int n) {
    if (n <= 1) {
      return;
    }

    // 查找数组中数据的范围
    int max = a[0];
    for (int i = 1; i < n; ++i) {
      if (max < a[i]) {
        max = a[i];
      }
    }

    // 申请一个计数数组c，下标大小[0,max]
    int[] c = new int[max + 1];

    // 计算每个元素的个数，放入c中
    for (int i = 0; i < n; ++i) {
      c[a[i]]++;
    }

    // 依次累加
    for (int i = 1; i < max + 1; ++i) {
      c[i] = c[i-1] + c[i];
    }

    // 临时数组r，存储排序之后的结果
    int[] r = new int[n];
    // 计算排序的关键步骤了，有点难理解
    for (int i = n - 1; i >= 0; --i) {
      int index = c[a[i]]-1;
      r[index] = a[i];
      c[a[i]]--;
    }

    // 将结果拷贝会a数组
    for (int i = 0; i < n; ++i) {
      a[i] = r[i];
    }
  }
  public static void printArr(int[] arr,int n){
    for (int i = 0; i < n ; i++) {
      System.out.print("["+arr[i]+"]");
    }
  }


  public static void main(String[] args) {
    int[] arr={2,5,3,0,2,3,0,3};
    countingSort(arr,8);
    printArr(arr,8);

  }
}

计数排序的应用场景

计数排序适合在数据范围不大的时候使用，如果数据范围最大值max比数据总个数n大很多就不适合了；而且计数排序只能对大于等于0的整数使用，所以有时候需要做好转化。