在技术排序中,如果元素的范围比较(比如 在1到1亿之间),如何改造算法
桶排序(Bucket Sort): 首先将元素分在不同的桶中,在对每个桶中的元素排序
n 表示默认分成多少桶
- 一个桶放 (max_num // n)的数
- (var // (max_num // n)得0放到0号桶里,得1放到1号桶里
- 当max_num=10000 => min(var // (max_num // n), n-1) 取最小99的
#! /usr/bin/env python
# -*- coding: utf-8 -*-
# Date: 2017/12/10
import random
#li是列表
def bucket_sort(li, n=100, max_num=10000):
#桶本身就是一个列表 2倍列表
buckets = [[] for _ in range(n)] # 创建桶
for var in li:
#一个桶放 (max_num // n)的数 (var // (max_num // n)得0放到0号桶里,得1放到1号桶里
i = min(var // (max_num // n), n-1) # i 表示var放到几号桶里
buckets[i].append(var) # 把var加到桶里边
#[0,2,4,1] 保持桶内的顺序
for j in range(len(buckets[i])-1, 0, -1):
#j(1)小于前面的元素 1和4比较
if buckets[i][j] < buckets[i][j-1]:
#交换
buckets[i][j], buckets[i][j-1] = buckets[i][j-1], buckets[i][j]
else:
break
sorted_li = []
for buc in buckets:
#数加到列表后面
sorted_li.extend(buc)
return sorted_li
#0-100 循环100个数
li = [random.randint(0,100) for i in range(100)]
# print(li)
li = bucket_sort(li)
print(li)
桶排序的表现取决于数据的分布,也就是需要对不同数据排序时采取不同的分桶策略
平均情况时间复杂度:O(n+k)
最坏情况的时间复杂度:O(n2k)
空间复杂度:O(nk)