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
- 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
- 创建一个计数数组count,长度为计数数组大小,初始值都为0
- 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
- 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)
- 创建一个临时数组output,长度与待排序数组相同
- 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
- 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)