拜托，面试别再问我计数和桶排序了！！！

时间复杂度为O(n)的排序，除了基数排序(Radix Sort)，还有计数排序(Counting Sort)。今天，1分钟，通过几幅图，争取让大家搞懂计数排序。

计数排序的适用范围？

待排序的元素在某一个范围[MIN, MAX]之间。

画外音：很多业务场景是符合这一场景，例如uint32的数字排序位于[0, 2^32]之间。

计数排序的空间复杂度？

计数排序需要一个辅助空间，空间大小为O(MAX-MIN)，用来存储所有元素出现次数（“计数”）。

画外音：计数排序的核心是，空间换时间。

计数排序的关键步骤？

步骤一：扫描待排序数据arr[N]，使用计数数组counting[MAX-MIN]，对每一个arr[N]中出现的元素进行计数；

步骤二：扫描计数数组counting[]，还原arr[N]，排序结束；

举个栗子：

假设待排序的数组，

arr={5, 3, 7, 1, 8, 2, 9, 4, 7, 2, 6, 6, 2, 6, 6}

很容易发现，待排序的元素在[0, 10]之间，可以用counting[0,10]来存储计数。

第一步：统计计数

扫描未排序的数组arr[N]，对每一个出现的元素进行计数。

扫描完毕后，计数数组counting[0, 10]会变成上图中的样子，如粉色示意，6这个元素在arr[N]中出现了4次，在counting[0, 10]中，下标为6的位置计数是4。

第二步：还原数组

扫描计数数组counting[0, 10]，通过每个元素的计数，还原arr[N]。

如上图粉色示意，count[0, 10]下标为6的位置计数是4，排完序是4个连续的6。

从counting下标MIN到MAX，逐个还原，填满arr[N]时，排序结束。

神奇不神奇！！！

计数排序(Counting Sort)，总结：

计数排序，时间复杂度为O(n)；
当待排序元素个数很多，但值域范围很窄时，计数排序是很节省空间的

----------------------------------------------------------------------------------------------------------------------------------

排序，面试中考察基本功问的比较多的问题。

时间复杂度为O(n)的排序，常见的有三种：

基数排序(Radix Sort)
计数排序(Counting Sort)
桶排序(Bucket Sort)

今天，1分钟，争取让大家搞懂桶排序。

画外音：百度“桶排序”，很多文章是错误的，本文内容与《算法导论》中的桶排序保持一致。

桶排序的适用范围是，待排序的元素能够均匀分布在某一个范围[MIN, MAX]之间。

画外音：很多业务场景是符合这一场景，待排序的元素在某一范围内，且是均匀分布的。

桶排序需要两个辅助空间：

第一个辅助空间，是桶空间B
第二个辅助空间，是桶内的元素链表空间

总的来说，空间复杂度是O(n)。

桶排序有两个关键步骤：

扫描待排序数据A[N]，对于元素A[i]，放入对应的桶X
A[i]放入桶X，如果桶X已经有了若干元素，使用插入排序，将arr[i]放到桶内合适的位置

画外音：

（1）桶X内的所有元素，是一直有序的；

（2）插入排序是稳定的，因此桶内元素顺序也是稳定的；

当arr[N]中的所有元素，都按照上述步骤放入对应的桶后，就完成了全量的排序。

桶排序的伪代码是：

bucket_sort(A[N]){

for i =1 to n{

将A[i]放入对应的桶B[X];

使用插入排序，将A[i]插入到B[X]中正确的位置;

}

将B[X]中的所有元素，按顺序合并，排序完毕;

}

举个栗子：

假设待排序的数组均匀分布在[0, 99]之间：

{5,18,27,33,42,66,90,8,81,47,13,67,9,36,62,22}

可以设定10个桶，申请额外的空间bucket[10]来作为辅助空间。其中，每个桶bucket[i]来存放[10*i, 10*i+9]的元素链表。

上图所示：

待排序的数组为unsorted[16]
桶空间是buket[10]
扫描所有元素之后，元素被放到了自己对应的桶里
每个桶内，使用插入排序，保证一直是有序的

例如，标红的元素66, 67, 62最终会在一个桶里，并且使用插入排序桶内保持有序。

最终，每个桶按照次序输出，排序完毕。

神奇不神奇！！！

桶排序(Bucket Sort)，总结：

桶排序，是一种复杂度为O(n)的排序
桶排序，是一种稳定的排序
桶排序，适用于数据均匀分布在一个区间内的场景

希望这一分钟，大家有收获。

拜托，面试别再问我计数和桶排序了！！！相关推荐

第二十一期:拜托!面试不要再问我Spring Cloud底层原理
毫无疑问,Spring Cloud 是目前微服务架构领域的翘楚,无数的书籍博客都在讲解这个技术. 不过大多数讲解还停留在对 Spring Cloud 功能使用的层面,其底层的很多原理,很多人可能并不知 ...
拜托!面试不要再问我Spring Cloud底层原理
毫无疑问,Spring Cloud 是目前微服务架构领域的翘楚,无数的书籍博客都在讲解这个技术. 不过大多数讲解还停留在对 Spring Cloud 功能使用的层面,其底层的很多原理,很多人可能并不知 ...
c 取数组最大值算法_拜托，面试别再问我最大值最小值了！！！
如何从n个数里找到最大值? 很容易想到,用一个循环就能搞定. int find_max(int arr[n]){ int max = -infinite; for(int i=0; i ...
c语言减治法求a的n次方算法,拜托，面试别再问我斐波那契数列了！！！
面试中,问得比较多的几个问题之一,求斐波那契数列f(n)? 画外音:姐妹篇 <拜托,面试别再问我TopK了!!!> <拜托,面试别再让我数1了!!!> 什么是斐波那契数列? 斐 ...
拜托，面试别再问我斐波那契数列了！！！
面试中,问得比较多的几个问题之一,求斐波那契数列f(n)? 画外音:姐妹篇 <拜托,面试别再问我TopK了!!!> <拜托,面试别再让我数1了!!!> 什么是斐波那契数列? 斐 ...
面试官再问我如何保证 RocketMQ 不丢失消息,这回我笑了！
0x00. 消息的发送流程一条消息从生产到被消费,将会经历三个阶段: 生产阶段,Producer 新建消息,然后通过网络将消息投递给 MQ Broker 存储阶段,消息将会存储在 Broker 端磁 ...
拜托，面试别再问我时间复杂度了！！！
最烦面试官问,"为什么XX算法的时间复杂度是OO",今后,不再惧怕这类问题. 快速排序分为这么几步: 第一步,先做一次partition: partition使用第一个元素t=ar ...
面试官再问你 HashMap 底层原理，就把这篇文章甩给他看
来自:烟雨星空前言 HashMap 源码和底层原理在现在面试中是必问的.因此,我们非常有必要搞清楚它的底层实现和思想,才能在面试中对答如流,跟面试官大战三百回合.文章较长,介绍了很多原理性的问题,希 ...
查询已有链表的hashmap_面试官再问你 HashMap 底层原理，就把这篇文章甩给他看...
前言 HashMap 源码和底层原理在现在面试中是必问的.因此,我们非常有必要搞清楚它的底层实现和思想,才能在面试中对答如流,跟面试官大战三百回合.文章较长,介绍了很多原理性的问题,希望对你有所帮助~ ...
c++ 不插入重复元素但也不排序_面试官爱问的 10 大经典排序算法，20+ 张图来搞定...
(给算法爱好者加星标,修炼编程内功) 作者:技术让梦想更伟大 / 李肖遥 (本文来自作者投稿) 冒泡排序简介冒泡排序是因为越小的元素会经由交换以升序或降序的方式慢慢浮到数列的顶端,就如同碳酸饮料中 ...

拜托，面试别再问我计数和桶排序了！！！

拜托，面试别再问我计数和桶排序了！！！相关推荐

最新文章

热门文章