浅谈基数排序

浅谈桶排序
浅谈计数排序

之前的文章中介绍了两种时间复杂度为O(n)的排序算法，在今天的文章中我们再来介绍第三种时间复杂度为O(n)的排序算法–基数排序。

首先现在思考这样一个问题，假设我们有100万个手机号码，我们需要做的是对这100万个手机号码进行排序，该从何入手呢？

如果使用快速排序，时间复杂度可以做到O(nlogn)，那么能否进一步优化，把时间复杂度降到更低呢？可能有朋友会觉得之前介绍过的桶排序、计数排序可以把时间复杂度降到O(n)。但是我们来思考一下，如果使用桶排序和计数排序，对于这么大的数据量，采用这两种排序算法肯定不会高效。这时候基数排序就要登场了。

对于手机号码的比较我们可以这样来考虑，对于两个手机号，如果前面几位中，a手机号就已经比b手机号码大了，那么我们就无需再继续进行比较就可得出结果。

借助稳定的排序算法，这里有一个巧妙的实现思路。我们先按照11位手机号码的最后一位来进行排序，之后是倒数第二位，以此类推，直到我们对第一位进行排序为止。经过11次排序之后，手机号码就完全有序了。那么有朋友会产生这样的疑问，为什么不能从第一位开始呢？而是从最后一位开始，我通过画图的方式来解释一下。

由于11位电话号码太长，这里我就用3位数字来举例。我们可以清楚的看到，从第一位开始的排序算法，在对第二位进行排序的时候，第一位之前排好的序已经被打乱，就相当于我们对第一位的排序做了无用功，这种算法是不稳定的。而我们从最后一位开始进行排序，这种排序算法是稳定的，我们排完序之后得到的结果也是正确的。

根据每一位来排序，我们也可以用刚刚讲过的桶排序或这计数排序来解决，他们的时间复杂度可以做到O(n)。如果要排序的数据有k位，你那么我们就需要k次桶排序或者计数排序，总的时间复杂度是O(kn)。当k不大的时候，比如电话号码的位数11位，时间复杂度就为O(11n)，所以基数排序的时间复杂度就为O(n)。

最后做一下总结：基数排序对要排序的数据是有要求的，需要分割出独立的位来进行比较，而且位之间要有递进的关系，如果a数据的高位比b数据的高位大，那么剩下的低位就不用进行比较了。此外，每一位的数据范围不能太大，要可以用线性排序算法来排序，否则基数排序的时间复杂度就无法做到O(n)了。