计数排序、基数排序、桶排序
桶思想,适用范围:量大但取值范围小。比如:如何快速得知高考名次?、某大型企业数万名员工年龄排序。
非比较排序。
计数排序,基数排序,桶排序等非比较排序算法,平均时间复杂度都是O(n)。这些排序因为其待排序元素本身就含有了定位特征,因而不需要比较就可以确定其前后位置,从而可以突破比较排序算法时间复杂度O(nlgn)的理论下限。
1、计数排序(桶思想排序用的最多的一种)
非比较排序,桶思想的一种。
是一种时间复杂度为O(n)的排序算法,其思路是开一个长度为len = maxValue-minValue+1 的数组,然后分配空间。扫描一遍原始数组,以(当前值- minValue)作为这个数组的下标。然后扫描原数组,发现对应的一个值将该下标的计数器增1。这一步称为收集。
举个例子, nums=[2, 1, 3, 1, 5] , 首先扫描一遍获取最小值和最大值,
maxValue=5 , minValue=1 ,于是开一个长度为5的计数器数组 counter ,
- 分配。统计每个元素出现的频率,得到 counter=[2, 1, 1, 0, 1] ,例如 counter[0] 表示值 0+minValue=1 出现了2次。
- 收集。 counter[0]=2 表示 1 出现了两次,那就向原始数组写入两个1, counter[1]=1 表示 2 出现了1次,那就向原始数组写入一个2,依次类推,最终原始数组变为 [1,1,2,3,5] ,排序好了。
计数排序本质上是一种特殊的桶排序,当桶的个数最大的时候,就是计数排序。
计数排序算法思想:
-
第一步分配空间:我们需要确定待排序数组中的取值范围,根据这个取值范围来创建一个长度为(len = maxValue-minValue+1)的用来计数的数组C。这个数组C的下标对应的就是待排序数组的取值范围。下标(key = 待排序数组中的当前值 - minValue)
-
第二部收集数据:遍历待排序数组,找到一个与计数数组C下标相等的数,就将计数数组C该下标对应的值加1,来统计待排序数组中这个数出现了几次。
-
最后根据计数数组统计的值,将待排序数组排好序。一一写入。
计数排序算法分析:
- 时间复杂度:O(n+k),n是待排序数组长度,k是计数数组长度。
- 空间复杂度:O(n+k),额外数组:长度为k的计数数组,长度和待排序数组一样的临时数组。
- 稳定,但要注意下面算法是怎样来保证稳定的。
计数排序算法实现:
package book;
/**
* 计数排序 ,算法的步骤如下:
* 1、找出待排序的数组中最大和最小的元素
* 2、统计数组中每个值为t的元素出现的次数,存入数组C的第t项
* 3、对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加),形成累加数组
* 4、反向填充目标数组:将每个元素t放在新数组的第C(t)项,每放一个元素就将C(t)减去1
*
* 累加数组的作用:是为了计数排序稳定,保证相同数据排好序后的相对次序不变,
* 原因是:累加数组中的值代表这原待排序数组的数在排好序之后 出现的最后位置,
* 将原待排序数组从后往前遍历,出现某个数,看这个数在累加数组中记录的位置在那,从这个位置开始往前放,
* 保证了相同数据排好序后的相对次序
*/
public class CountSort {
public static void main(String[] args) {
int[] a = new int[] { 2, 5, 3, 1, 2, 3, 1, 3 };
int[] b = new int[a.length];
System.out.println("计数排序前为:");
print(a);
System.out.println();
countSort(a, b, getMaxNumber(a),getMinNumber(a));
System.out.println("计数排序后为:");
print(b);
System.out.println();
}
/**
* @param a 原数组-待排序数组
* @param b 排好序的数组
* @param maxValue 待排序数组中取值范围的最大值
* @param minValue 待排序数组中取值范围的最小值
*/
public static void countSort(int[] a, int[] b, final int maxValue, final int minValue) {
//k 代表取值范围,这个案例中 取值范围为0~5,所以计数数组的长度为6,下标0~5。
//初始化计数数组(这也就是那个桶)
int[] c = new int[maxValue-minValue + 1];
//统计待排序数组中,某个数出现了几次,构建计数数组
for (int i = 0; i < a.length; i++) {
c[a[i]-minValue]++;
}
System.out.println("\n****************");
System.out.println("计数排序第2步后,计数数组C变为:");
print(c);
//构建累加数组
for (int i = 1; i < c.length; i++) {
c[i] = c[i] + c[i - 1];
}
System.out.println("\n计数排序第3步后,计数数组C变为累加数组:");
print(c);
//从后往前遍历待排序数组
for (int i = a.length - 1; i >= 0; i--) {
// b[c[a[i]-minValue] - 1] = a[i];// c[a[i]-minValue]代表元素a[i]的元素个数,c[a[i]]-minValue]-1就是a[i]在b中的位置
// c[a[i]-minValue]--;
//或者:
b[--c[a[i]-minValue]] = a[i];
}
System.out.println("\n计数排序第4步后,计数数组C变为:");
print(c);
System.out.println("\n计数排序第4步后,数组B变为:");
print(b);
System.out.println();
System.out.println("****************\n");
}
public static int getMaxNumber(int[] a) {
int max = a[0];
for (int i = 0; i < a.length; i++) {
if (max < a[i]) {
max = a[i];
}
}
return max;
}
public static int getMinNumber(int[] a) {
int min = a[0];
for (int i = 0; i < a.length; i++) {
if (min > a[i]) {
min = a[i];
}
}
return min;
}
public static void print(int[] keys) {
for (int key : keys) {
System.out.print(key+" ");
}
}
/**
* @param a 原数组-待排序数组
* @param b 排好序的数组
* @param k 取值范围 maxValue-minValue
*/
public static void countSort2(int[] a, int[] b, final int k){
//计数数组,其长度为待排序数组的取值范围+1
int[] c = new int[k+1];
//收集数据,
for (int i = 0; i < a.length; i++) {
c[a[i]]++;
}
System.out.print("计数数组C:");
print(c);
System.out.println();
//累加数组
for (int i = 1; i < c.length; i++) {
c[i] = c[i] + c[i-1];
}
System.out.print("计数数组C变为累加数组C:");
print(c);
System.out.println();
//将a从后往前遍历 进行排序
for (int i = a.length-1; i >= 0; i--) {
b[--c[a[i]]] = a[i];
// b[c[a[i]] - 1] = a[i];
// c[a[i]]--;
}
System.out.print("计数数组c:");
print(c);
System.out.println();
System.out.print("排序数组b:");
print(b);
System.out.println();
}
}
2、基数排序
非比较排序,桶思想的一种。
本质上是一种多关键字排序。
有低位优先和高位优先两种
- LSD 、MSD(Least Significant Digit、Most Significant Dight)
- MSD属于分治的思想
**基数排序(radix sorting)**将所有待比较数值(正整数)统一为同样的数位长度,数位较短的数前面补零。 然后 从最低位开始,依次进行一次排序。这样从最低位排序一直到最高位排序完成以后, 数列就变成一个有序序列。具体过程可以。
假设我们有一些二元组(a,b),要对它们进行以a为首要关键字,b的次要关键字的排序。我们可以先把它们先按照首要关键字排序,分成首要关键字相同的若干堆。然后,在按照次要关键值分别对每一堆进行单独排序。最后再把这些堆串连到一起,使首要关键字较小的一堆排在上面。按这种方式的基数排序称为**MSD(Most Significant Dight)排序。第二种方式是从最低有效关键字开始排序,称为LSD(Least Significant Dight)**排序。首先对所有的数据按照次要关键字排序,然后对所有的数据按照首要关键字排序。要注意的是,使用的排序算法必须是稳定的,否则就会取消前一次排序的结果。由于不需要分堆对每堆单独排序,LSD方法往往比MSD简单而开销小。下文介绍的方法全部是基于LSD的。
基数排序的简单描述就是将数字拆分为个位十位百位,每个位依次排序。因为这对算法稳定要求高,所以我们对数位排序用到上一个排序方法计数排序。因为基数排序要经过d (数据长度)次排序, 每次使用计数排序, 计数排序的复杂度为 On), d 相当于常量和N无关,所以基数排序也是 O(n)。基数排序虽然是线性复杂度, 即对n个数字处理了n次,但是每一次代价都比较高, 而且使用计数排序的基数排序不能进行原地排序,需要更多的内存, 并且快速排序可能更好地利用硬件的缓存, 所以比较起来,像快速排序这些原地排序算法更可取**。对于一个位数有限的十进制数,我们可以把它看作一个多元组,从高位到低位关键字重要程度依次递减。*可以使用基数排序对一些位数有限的十进制数排序*。**
例如我们将一个三位数分成,个位,十位,百位三部分。我们要对七个三位数来进行排序,依次对其个位,十位,百位进行排序,
很显然,每一位的数的大小都在[0,9]中,对于每一位的排序用计数排序再适合不过。
基数排序算法实现:
package book;
import java.util.Arrays;
/**
* 基数排序,里面也用到了计数排序
*/
public class RadixSort {
public static void main(String[] args) {
int[] a = {421,420,115,532,305,430,124};
System.out.println("基数排序前为:");
print(a);
System.out.println();
int[] sort = radixSort(a, getMaxWei(a));
print(sort);
}
/**
* 基数排序
* @param keys 待排序数组
* @param max 最大数最高位-循环的次数
* @return 排序数组
*/
public static int[] radixSort(int[] keys,int max){
int[] b = new int[keys.length];
//桶
int[] c = new int[10];
//这里的3代表着,三位数,要循环3遍,应该写个方法求数组中最大数的最高位
for (int i = 0; i < max; i++) {
int division = (int)Math.pow(10,i);
System.out.println("位数:"+division);
//初始化计数数组
for (int j = 0; j < keys.length; j++) {
int num = keys[j]/division % 10;
System.out.println("余数:"+num);
c[num]++;
}
System.out.print("计数数组C:");
print(c);
System.out.println();
//累加数组
for (int j = 1; j < c.length; j++) {
c[j] = c[j] + c[j-1];
}
System.out.print("计数数组C变为累加数组C:");
print(c);
System.out.println();
//将keys数组从后往前遍历 进行排序
for (int j = keys.length-1; j >= 0; j--) {
int num = keys[j]/division % 10;
b[--c[num]] = keys[j];
}
//完成一遍之后把此时的 b数组 再复制会待排序数组
System.arraycopy(b,0,keys,0,keys.length);
//将计数数组里面的值都变为0,开始下一次的循环计数
Arrays.fill(c,0);
}
return b;
}
//求最大数最高位
public static int getMaxWei(int[] keys) {
int count = 0;
int max = keys[0];
for (int i = 0; i < keys.length; i++) {
if (max < keys[i]) {
max = keys[i];
}
}
while (max != 0) {
max = max/10;
count++;
}
return count;
}
public static void print(int[] keys) {
for (int key : keys) {
System.out.print(key+" ");
}
}
}
3、桶排序
首先定义桶,桶为一个数据容器,每个桶存储一个区间内的数。依然有一个待排序的整数序列A,元素的最小值不小于0,最大值不超过K。假设我们有M个桶,第i个桶Bucket[i]存储i* K/M至(i+1)*K/M之间的数。(计数排序中定义的计数数组里每个位置就是一个桶,基数排序中的所用到的计数数组也是多个桶)
桶排序步骤如下:
- 扫描序列A,根据每个元素的值所属的区间,放入指定的桶中(顺序放置)。
- 对每个桶中的元素进行排序,什么排序算法都可以,例如:插入排序
- 依次收集每个桶中的元素,顺序放置到输出序列中。
桶排序算法分析
- 时间:求最大最小值n,桶初始化k,遍历装桶n,桶内排序n/k* lg(n/k) * k,结果输出n,3n+k + n/k * lg(n/k) * k=3n+ k + n* lg(n/k)约等于 n+k ,最坏n方(一个桶),最好为n (n个桶而且值排列均匀)
- 空间:n+k 但实际上空间做到最好的话,就只能用链表,时间就做不到最好
一个案例:
package book;
/**
* 桶排序
*/
public class BucketSort {
public static void main(String[] args) {
int[] arr = new int[] {3,5,45,34,2,78,67,34,56,98};
bucketSort(arr);
}
// 插入排序
static void insertSort(int[] a) {
int n = a.length;
for (int i = 1; i < n; i++) {
int p = a[i];
insert(a, i, p);
}
}
static void insert(int[] a, int index, int x) {
// 元素插入数组a[0:index-1]
int i;
for (i = index - 1; i >= 0 && x < a[i]; i--) {
a[i + 1] = a[i];
}
a[i + 1] = x;
}
private static void bucketSort(int[] a) {
int M = 10; // 11个桶
int n = a.length;
int[] bucketA = new int[M]; // 用于存放每个桶中的元素个数
// 构造一个二维数组b,用来存放A中的数据,这里的B相当于很多桶,B[i][]代表第i个桶
int[][] b = new int[M][n];
int i, j;
for (i = 0; i < M; i++)
for (j = 0; j < n; j++)
b[i][j] = 0;
int data, bucket;
for (i = 0; i < n; i++) {
data = a[i];
bucket = data / 10;
b[bucket][bucketA[bucket]] = a[i];// B[0][]中存放A中进行A[i]/10运算后高位为0的数据,同理B[1][]存放高位为1的数据
bucketA[bucket]++;// 用来计数二维数组中列中数据的个数,也就是桶A[i]中存放数据的个数
}
System.out.println("每个桶内元素个数:");
for (i = 0; i < M; i++) {
System.out.print(bucketA[i] + " ");
}
System.out.println();
System.out.println("数据插入桶后,桶内未进行排序前的结果为:");
for (i = 0; i < M; i++) {
for (j = 0; j < n; j++)
System.out.print(b[i][j] + " ");
System.out.println();
}
System.out.println("对每个桶进行插入排序,结果为:");
// 下面使用直接插入排序对这个二维数组进行排序,也就是对每个桶进行排序
for (i = 0; i < M; i++) {
// 下面是对具有数据的一列进行直接插入排序,也就是对B[i][]这个桶中的数据进行排序
if (bucketA[i] != 0) {
// 插入排序
for (j = 1; j < bucketA[i]; j++) {
int p = b[i][j];
int k;
for (k = j - 1; k >= 0 && p < b[i][k]; k--)
{
assert k==-1;
b[i][k + 1] = b[i][k];
}
b[i][k + 1] = p;
}
}
}
// 输出排序过后的顺序
for (i = 0; i < 10; i++) {
if (bucketA[i] != 0) {
for (j = 0; j < bucketA[i]; j++) {
System.out.print(b[i][j] + " ");
}
}
}
}
}
4、三种排序比较
排序算法 | 时间复杂度 | 空间复杂度 | |
---|---|---|---|
计数排序 | O(N+K) | O(N+K) | 稳定排序 |
基数排序 | O(N) | O(N) | 稳定排序 |
桶排序 | O(N+K) | O(N+K) | 稳定排序 |
从整体上来说,计数排序,桶排序都是非基于比较的排序算法,而其时间复杂度依赖于数据的范围,桶排序还依赖于空间的开销和数据的分布。而基数排序是一种对多元组排序的有效方法,具体实现要用到计数排序或桶排序。
相对于快速排序、堆排序等基于比较的排序算法,计数排序、桶排序和基数排序限制较多,不如快速排序、堆排序等算法灵活性好。但反过来讲,这三种线性排序算法之所以能够达到线性时间,是因为充分利用了待排序数据的特性,如果生硬得使用快速排序、堆排序等算法,就相当于浪费了这些特性,因而达不到更高的效率。