7.计数排序

原理

通过统计每个元素出现的次数，进而确定每个元素在排序后的数组中的位置

算法步骤

1. 通过统计每个元素出现的次数，进而确定每个元素在排序后的数组中的位置
2. 创建一个计数数组count，长度为计数数组大小，初始值都为0
3. 遍历待排序数组，统计每个元素出现的次数，并将统计结果保存在计数数组count中。计数数组的下标对应每个元素的值，值为该元素出现的次数
4. 对计数数组count进行累加操作，即将当前位置的值与前一位置的值相加（前缀和）
5. 创建一个临时数组output，长度与待排序数组相同
6. 遍历待排序数组，将每个元素从计数数组中取出，并放入临时数组output的正确位置上，同时对应计数数组的值减1
7. 将临时数组output复制回原始数组，完成排序

动态演示

更详细直观：算法演示

代码实现

# python
max_value = max(arr)
min_value = min(arr)

# 计算计数数组的长度
count_length = max_value - min_value + 1

# 初始化计数数组
count = [0] * count_length

# 统计每个元素的出现次数
for num in arr:
    count[num - min_value] += 1

# 根据计数数组输出排序结果
sorted_arr = []
for i in range(count_length):
    sorted_arr.extend([i+min_value]*count[i])

// golang
max_value := arr[0]
min_value := arr[0]
for _, cur := range(arr) {
    if cur > max_value {
        max_value = cur
    }
    if cur < min_value {
        min_value = cur
    }
}


count_length := max_value - min_value + 1
count := make([] int, count_length)

for _, num := range arr {
    count[num - min_value] ++ 
}

sorted_arr := make([] int, 0)
for i:=0; i<count_length; i++ {
    for j:=0; j<count[i]; j++ {
        sorted_arr = append(sorted_arr, i+min_value)
    }
}

算法特点

• 稳定性：能够保持相同元素的相对顺序。如果待排序序列中存在相同元素，它们在排序后的序列中的相对顺序与在原序列中的顺序相同
• 时间复杂度：计数排序的时间复杂度是线性的，即O(n+k)，其中n是待排序元素的个数，k是代表最大元素和最小元素之间的范围
• 空间复杂度：需要额外的存储空间来存储计数数组，其空间复杂度为O(k)，其中k是代表最大元素和最小元素之间的范围。当范围较大时，可能需要较大的空间开销
• 适用性：计数排序适用于待排序序列中元素范围有限且知道范围的情况。它假设待排序的元素都是整数，并且范围已知
  的范围。当范围较大时，可能需要较大的空间开销
• 适用性：计数排序适用于待排序序列中元素范围有限且知道范围的情况。它假设待排序的元素都是整数，并且范围已知
• 不适用于负数：计数排序不适用于包含负数的待排序序列，因为负数无法直接作为数组的索引；也不适合非整数的序列，浮点数无法进行计数统计（需要转化为整数）