前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >理解计数排序算法的原理和实现

理解计数排序算法的原理和实现

作者头像
我是攻城师
发布2018-10-19 16:44:05
1.5K0
发布2018-10-19 16:44:05
举报
文章被收录于专栏:我是攻城师我是攻城师

计数排序(Counting sort)是一种稳定的线性时间排序算法,其平均时间复杂度和空间复杂度为O(n+k),其中n为数组元素的个数,k为待排序数组里面的最大值。同样具有线性时间排序的算法还有桶排序和基数排序,这一点不要搞混。

计数排序不是基于比较的排序,所以它的排序效率是线性的,在特定的场景下(已知数组的最大最小值,切数组元素整体量不是很大的情况下)排序效率极高,而基于比较排序的算法,其时间复杂度基本逃脱不了O(nlogn)的魔咒,当然能达到O(nlogn)的时间复杂度,已经是非常牛逼了,这里面典型的代表就是快速排序算法,因为没有其他条件限制,所以基本上是一种通用排序算法。

计数排序的算法的原理,其实是非常简单的,它不需要去跟其他元素比来比去,而是一开始就知道自己的位置,所以直接归位,在计数的该元素出现的词频数组里面,出现一次,就直接+1一次即可,如果没有出现改位置就是0,最后该位置的词频,就是代表其在原始数组里面出现的次数,由于词频数组的index是从0开始,所以最后直接遍历输出这个数组里面的每一个大于0的元素值即可。

我们先来看看简单版本的Java语言写的计数排序是如何实现的,假设有四个元素{2,1,0,1}。

public static void  simpleCountSort(){
        int nums[]={2,1,0,1};

        int maxNum=2;

        int storeArray[]=new int[maxNum+1];

        //词频计数
        for(int i=0;i<nums.length;i++){
            storeArray[nums[i]]++;
        }

        System.out.println("==============排序后==============");

        int ndx=0;
        //遍历计数后的词频数组
        for (int i = 0; i <storeArray.length ; i++) {
            //对于每个index的值进行循环,输出,因为有可能重复
            while (storeArray[i]>0){
                nums[ndx]=i;//把词频数组的值,放回原数组里面,
                ndx++;//替换一个数,就索引自增
                storeArray[i]--;//词频减1,防止死循环
            }
        }


        System.out.println(Arrays.toString(nums));



    }

从上面可以看到,代码比较简单,但是并不是最优的,有三个缺点:

第一不支持负数排序,第二在特定情况下使用空间较多,比如90-100仅仅有10个元素,但是数组却需要声明空间为100,第三排序不具有稳定性,重复元素的相对位置可能会变。

经过优化后的计数排序算法,需要遍历一次得到元素的最小值和最大值,然后构造空间范围可以优化为,max-min+1,而不是前面简单的max,此外在实现的时候,对于原数组统计词频的时候,使用的每个元素减去min之后的值,这样能保证结果落在词频数组的范围之内,最后,为了保证排序算法的稳定性,我们需要对词频进行一次sum操作,从1开始,把每个位置的词频设置为当前的元素的词频+前一个元素的词频,这个值就代表了其在原数组里面应该出现的位置,接着我们倒序遍历原始数组,这样就能保证稳定性。 具体的算法过程,我推荐一个youtube上的一个视频,演示的最常清晰:

https://m.youtube.com/watch?v=TTnvXY82dtM

优化后的代码如下:

public static int[] countSort(int []a){
        //使用最大值和最小值的方式是一种优化的计数排序
        //可以兼容负数的情况,同时能减少存储的空间,比如最大数是100,但实际上只有90-100这10个数字
        //所以仅仅需要10个存储空间即可
        int max = a[0], min = a[0];
        for(int i : a){
            max=Math.max(max,i);
            min=Math.min(min,i);
        }
        System.out.println("max:"+max+"  min:"+min);
        int k = max - min + 1;
        System.out.println("count array len:"+k);

        int c[] = new int[k];
        //先是count计数词频
        for(int i = 0; i < a.length; ++i){
            c[a[i]-min] ++;//优化过的地方,减小了数组c的大小,同时a[i]-min能保证c数组的第一个元素一定有元素的
            //因为必定存在min-min=0
        }
        System.out.println("count: "+Arrays.toString(c));
        //然后为了保持排序稳定,我们需要做一次累加操作
        //这样做的目的,是为了标记出原始数组里面的该元素,前面有几个元素,这个值
        //实际上就是其在原生数组里面的位置,如果有重复的元素,则会先会
        //放置最右边的元素,这样就能保证,排序的稳定性
        for(int i = 1; i < c.length; ++i){
            c[i] = c[i] + c[i-1];
        }

        System.out.println("sumCount:"+Arrays.toString(c));

        //存储最终的排序结果
        int b[] = new int[a.length];
        //这里必须从后向前遍历,只有这样出现重复的元素,才会保持顺序的把最后面的重复元素,永远放在最右边。
        //从而保证排序的稳定性
        //如果从前向后排序,重复元素的顺序,刚好相反,所以就不是稳定的算法,但如果不关注稳定性,那么结果还是正确的
        for (int i = a.length-1; i >=0 ; i--) {
             //减去min是为了优化存储空间,这样得到新的转换值,
             int pos=a[i]-min;
             int sumCount=c[pos];

            System.out.println(a[i]+" 在原数组的排序后的位置是: "+(sumCount-1));

            //把最终生层的排序值,放在新的数组里面返回
            b[sumCount-1]=a[i];
            c[pos]--; //如果有重复元素,位置需要从右向左放置,所以需要把sumCount的值-1

        }


        return b;
    }

其中关键的地方有两个:

第一,在于理解计算max和min之后,需要使用原数组每一个元素减去min的转换值统计词频,特定情况下能节省存储空间,这样做的另一个好处是可以兼容负数的情况,因为每一个元素减去最小值之后,结果必定是大于等于0

第二,在于理解为什么采用词频求和的方式+倒序遍历原始数组的方式,能保证排序算法的稳定性

理解了上面的两点,再来看优化后的计数排序就非常简单了,如果想证明计数排序的稳定性,可以参考我的github上的例子。

https://github.com/qindongliang/Java-Note

总结:

经典的计数排序分四个阶段:

1,找出数组里面的最大值和最小值

2,求出每个元素出现的词频(count)

3,遍历词频数组求和

4,反向遍历原始数组,进行目标数组填充,填充后的数组再遍历就是有序的。

如果不考虑算法的稳定性和负数情况及特定情况的浪费空间,那么只需要前面的2步就可以了,如果想要保证稳定性,那么需要经过这4步计算。具体证明计数排序的稳定性的例子,可以参考我的github上例子:

https://github.com/qindongliang/Java-Note/blob/master/src/main/java/sortalgorithm/countsort/ProveStableCountingSort.java

计数排序在特定的情况下,排序效率极高,但是如果排序的计数空间范围过大,而实际元素个数非常小的情况,效率就会非常差,比如,我只有3个元素,3,1,500000,这样的情况其实是不适合用计数排序的,这一点需要注意。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-10-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 我是攻城师 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档