线性排序算法分析总结
线性排序(Linear sort),指的是 时间复杂度为 O(n) 的排序算法。之所以时间复杂度能达到线性,是因为这种排序不是基于比较的,但它的适用场景也有很大的局限性。
线性排序有三种:桶排序、计数排序、基数排序。
复杂度总结
排序算法 | 时间复杂度 | 空间复杂度 | 是否稳定 |
---|---|---|---|
桶排序 | O(n) | O(n) | 稳定 |
计数排序 | O(n) | O(n+k) | 稳定 |
基数排序 | O(k*n) | O(n) | 稳定 |
桶排序
桶排序(Bucket sort),顾名思义,就是用很多桶来存放元素。这里的桶其实是一个区间,一个用来存放在某个数值范围内的元素。比如一个 0-9 的桶表示存放数值大于等于0,小于等于9的元素。
我们有 n 个元素,m 个 桶,假设数据很均匀地放到每个桶里面,每个桶就是 k = n/m 个元素,每个桶进行快速排序,时间复杂度是 O(klogk),那 m 个桶的时间复杂度是 O(m * klogk),即 O(nlog(n/m))。当 m 接近于 n 时,n/m 就是一个很小的常量,这样时间复杂度就是 O(n) 了。
根据前面时间复杂度的推导,我们会发现,可以进行桶排序的场景要求很高。
首先,它要求数据可以较为均匀地分布到每个桶里。假如某些桶的数据相比其它桶非常少,其实等同于将它被合并放到另一个桶里,本质就是少了一个桶,m 就会变小,n/m 就会接近于 n。一种极端情况下,数据全放到一个桶里,时间复杂度就退化为 O(nlogn)。
虽然一般情况下,能用桶排序的场景比较少,但有一种场景就很适合桶排序,那就是 外部排序。
外部排序(External sorting)是指能够处理极大量数据的排序算法。通常外部排序会用到外存。在数据量很大,内存无法一次全部读取的情况下,就需要用到外部排序。除了可以用 桶排序,我们还可以用 归并排序 来做外部排序。
假设我们有一个很大的文件,里面保存了很多数据,要对它们进行排序,具体做法是:
- 扫描大文件的数据得到数值范围,确定合适的桶的数量(保证 n/m 的数据量可以一次读入到内存中)。这里的桶会对应一个个小文件。
- 从头往后扫描大文件,将数据按照范围放到小文件中。
- 每个小文件的数据全部读取到内存中,进行排序。这里注意使用的排序算法是否为原地排序,且是否为稳定排序。具体根据实际情况进行选择合适的排序算法。另外,如果小文件里的数据(一般来说是数据分布不均匀导致的)仍不能一次读取到内存中,可以对小文件继续进行拆分,得到第二小文件。
- 按顺序合并多个小文件为一个大的文件。
代码实现
暂无实现。
算法分析
1. 桶排序不是原地排序
因为我们需要创建多个桶,需要额外的内存空间,桶如果是用数组实现,理论上是创建要 m 个 长度为 n 大小的数组。不过一般来说不会这样做,我们会考虑使用链表、动态数组、跳表和红黑树等动态数据结构来保存。桶排序的空间复杂度我们可以大概说成是 O(n) 。
2. 桶排序是稳定的排序
其实桶排序是否稳定,是取决于桶内部使用的排序算法,如果使用的是一种稳定的排序算法,那这种桶排序算法就是稳定的排序算法。
3. 桶排序的时间复杂度是 O(n)
桶排序的时间复杂度是 O(n) 是有前提条件的,那就是桶的数量 m 接近于 n,且数据要尽量均匀分布。极端情况下所有的数据都放到一个桶里,此时桶排序的时间复杂度就会退化为 桶内部使用的排序算法 的时间复杂度。
计数排序
计数排序不好理解,因为脑子要拐几个弯。
当数据有大量重复时,且都为正整数时,我们可以考虑使用计数排序。
计算排序算是比较特殊的桶排序,因为它的桶只有一种值。假设一组数据的最大值为 k,那我们就分为 k 个桶。
首先我们遍历原数组,用数组 c 统计每个值出现的次数,然后我们在让数组 c 的数组元素和前面的元素累加,即 c[1] = c[0] + c[1], c[2] = c[2] + c[1], ...
。这样得到了新的数组 c ,此时数组元素 c[i] 表示的就是原数组中小于等于 i 的数据的个数。
然后我们从后往前遍历原数组,将元素的数值 v 找到数组 c 中对应索引的值。这个值 c[v] 代表原数组中小于等于 v 的数据个数。又因为我们是从后往前遍历数组,所以当前的原数组的元素就是排序后的第 c[v] 个元素。于是我们就把这个元素放到一个新开的空数组 r 的第 v 个位置。另外我们不要忘记 c[v]自减一,因为我们已经取走了一个数,小于等于 v 的数据的个数也要跟着减1。
遍历完后,r就是我们要的排序好的数组了。
代码实现
const countingSort = (a) => {// 找出数组的最大的数。let i, max = a[0];for (let i = 1; i < a.length; i++) { if (a[i] > max) {max = a[i];}} let c = [];for (i = 0; i <= max; i++) {c[i] = 0;}for (i = 0; i < a.length; i++) {c[a[i]]++;}console.log('数组C(值表示小于等于索引的数量):', c.toString());// 计数累加for (i = 1; i < c.length; i++) {c[i] = c[i - 1] + c[i];} // 从后往前扫描 数组a(从后往前可以保证是 稳定 排序)let r = [];for(i = a.length - 1; i >= 0; i--) {let index = c[a[i]] - 1; // 为什么要减1?? // 因为 c[] 记录的是小于等于索引的元素数量,比如小于等于 3 的有 4个,// 所以 3 必然是这第4个(索引对应3,所以要减1)。// 你会说小于等于并不是等于啊,但我们现在是正在遍历原数组,且确实发现有这个 3 了。r[index] = a[i];c[a[i]]--;}return r;
}
复制代码
算法分析
1. 计数排序不是原地排序算法
计数排序使用了额外的两个数组(数组 c 和 数组 r),他们的长度分别为 k 和 n,所以空间复杂度是 O(k+n),所以 线性排序不是原地排序算法。
2. 计数排序是稳定的排序算法
不过线性排序是 稳定 的排序算法,因为它没有进行元素的交换。
3. 计数排序的时间复杂度是 O(n)
这个毫无疑问时间复杂度是 O(n),当然也可以说时间复杂度是 O(n+k),只是前面的被省略的系数发生了变化。
另外,计数排序的局限性还是挺大的,首先计数排序只能用在 数据范围不大的场景 中,因为数据范围越大(尤其是 k 远大于 n 的情况),需要创建的两个数组长度也越长。此外因为要用到数组的索引,所以只能对 非负整数 进行排序,当然我们可以对不符合情况的数据进行一些处理(不改变相对大小),转换为非负数。比如对于小树,可以乘以 10 的倍数,有负整数则可以每个数据加相同大小的值,使负整数变成非负整数。
基数排序(Radix sort)
较短的数值前面补0,从右往左 每一位 上的数进行排序,直到最高位。
基数排序的对比排序是基于 位的,我们想要基数排序的时间复杂度为 O(n),那每一位的排序都必须是线性排序,网上比较常见的是配合桶排序的基数排序(我也不知道为什么反正我配合使用的是计数排序)。
代码实现
const radixSort = (a) => {// 从低到高排序// 位数拆分let i, tmp = [];const size = 11; // 正数的位数let radix = 1;for (let j = 0; j < size; j++) {for (i = 0; i < a.length; i++) {let k = Math.floor(a[i] / radix) % 10 // 获取j位上的值。tmp[i] = k;}a = cSInRadixSort(tmp, a);radix *= 10; // console.log(a.toString());// 计数排序一下。(要专门为基数排序写一个计数排序,因为排序的是 a,而不是 tmp)// return c}return a;}/*** // 基数排序专用的 计数排序* @param {Array} a 提炼出的某位上的值* @param {Array} o 原数组*/
const cSInRadixSort = (a, o) => {// 找出数组的最大的数。let i, max = a[0];for (let i = 1; i < a.length; i++) { if (a[i] > max) {max = a[i];}} let c = [];for (i = 0; i <= max; i++) {c[i] = 0;}for (i = 0; i < a.length; i++) {c[a[i]]++;}// console.log('数组C(值表示小于等于索引的数量):', c.toString());// 计数累加for (i = 1; i < c.length; i++) {c[i] = c[i - 1] + c[i];} // 从后往前扫描 数组a(从后往前可以保证是 稳定 排序)let r = [];for(i = a.length - 1; i >= 0; i--) {let index = c[a[i]] - 1; r[index] = o[i]; // 这里 的 a[i] 改成 o[i]c[a[i]]--;}return r;
}
复制代码
算法分析
1. 基数排序不是原地排序算法
因为它要配合一种线性排序算法(桶排序或计数排序),这些线性排序算法都需要额外内存空间。
2. 基数排序是稳定的排序算法
其实还是取决于和基数排序配合使用的线性排序算法的稳定性
3. 基数排序的时间复杂度是 O(k*n)
k 指的是数据最大值的位数。基数排序是基于 位 进行排序的,每次排序使用线性排序算法进行排序,时间复杂度是 O(n),一共进行 k 次排序,所以时间复杂度是 O(k * n)
参考
- 常见排序算法 - 基数排序 (Radix Sort)
- 基数排序交互动画
- 13 | 线性排序:如何根据年龄给100万用户数据排序?
线性排序算法分析总结相关推荐
- 七、排序(3)——线性排序
时间复杂度是 O(n) 的排序算法:桶排序.计数排序.基数排序,也称线性排序,他们都不是基于比较的排序算法. 一.桶排序 1.基本思想 将要排序的数据分到几个有序的桶里,每个桶里的数据再单独进行进行排 ...
- 13 | 线性排序:如何根据年龄给100万用户数据排序?
三种时间复杂度是 O(n) 的排序算法:桶排序.计数排序.基数排序.因为这些排序算法的时间复杂度是线性的,所以我们把这类排序算法叫作线性排序(Linear sort).之所以能做到线性的时间复杂度,主 ...
- sql怎么实现线性排序_如何在SQL中实现排序间接
sql怎么实现线性排序 我最近偶然发现了一个有趣的Stack Overflow问题 ,该问题本质上是用户希望确保以明确定义的顺序交付结果记录. 他们写 SELECT name FROM product ...
- c语言排序算法插入法,C语言中冒泡法、选择法、插入法三种常见排序算法分析.doc...
C语言中冒泡法.选择法.插入法三种常见排序算法分析.doc 一.冒泡法(起泡法) 算法要求用起泡法对10个整数按升序排序. 算法分析如果有n个数,则要进行n-1趟比较.在第1趟比较中要进行n-1次相邻 ...
- 三种线性排序算法 计数排序、桶排序与基数排序-BYVoid
转自:BYVoid [非基于比较的排序] 在计算机科学中,排序是一门基础的算法技术,许多算法都要以此作为基础,不同的排序算法有着不同的时间开销和空间开销.排序算法有非常多种,如我们最常用的快速排序和堆 ...
- 三种线性排序算法 计数排序、桶排序与基数排序—— 转自:BYVoid
三种线性排序算法 计数排序.桶排序与基数排序 [非基于比较的排序] 在计算机科学中,排序是一门基础的算法技术,许多算法都要以此作为基础,不同的排序算法有着不同的时间开销和空间开销.排序算法有非常多种, ...
- 算法笔记(二)线性排序:一百万数据量如何进行快速的排序?
线性排序:时间复杂度为 O(n)是线性的 不涉及元素之间的比较操作(但是对排序之间的数据比较苛刻) 常见的三种: 1.桶排序:将要排序的数据分到几个有序的桶里,然后由对桶内的数据再单独进行排序,排序完 ...
- 排序算法分析归纳总结
排序方法分类: 按照策略 划分内部排序方法为五大类: 插入排序.选择.交换.归并和分配排序. 下面我了归纳上述类型的排序算法和其他经典算法. 以下默认升序!! 插入排序: 直接插入排序: 排序思想: ...
- 反汇编算法介绍和应用——线性扫描算法分析
做过逆向的朋友应该会很熟悉IDA和Windbg这类的软件.IDA的强项在于静态反汇编,Windbg的强项在于动态调试.往往将这两款软件结合使用会达到事半功倍的效果.可能经常玩这个的朋友会发现IDA反汇 ...
最新文章
- 联想、戴尔、惠普等笔记本预装膨胀件 存在安全隐患
- 【转载】WINCE物理和虚拟地址的问题
- Tensorflow:tf.contrib.rnn.DropoutWrapper函数(谷歌已经为Dropout申请了专利!)、MultiRNNCell函数的解读与理解
- sql 找到最近的值_数据分析——SQL查询(常用函数)
- BZOJ 3456 城市规划 (组合计数、DP、FFT)
- 模拟输入(ADC-A0)
- 信息学奥赛一本通C++语言——1075:药房管理
- python将argv作为参数,Python当中的命令行参数sys.argv[]的使用方法
- VS2012下基于Glut OpenGL glDepthMask示例程序:
- EF6学习笔记十:原始查询,在EF中使用SQL语句
- 2020版Java视频教程|java零基础到就业全套视频教程线上免费观看,java免费教程直接看
- W3Cschoool菜鸟教程
- sql server 代理权限问题
- python使用pytesseract识别图片中的文字
- 数据通信与计算机网络复习笔记
- c语言移动光标到指定坐标,C语言实现光标移动
- 宽高不定div水平、垂直居中
- Hue 集成Hive
- 计算机未安装打印机,Win7使用打印机突然提示“尚未安装打印机”怎么回事
- C语言100题练习计划 27——字符串替换
热门文章
- AI量身定制:如何打造符合“中国特色教育”的内容推荐体系?
- AI一分钟 | 阿里联合蚂蚁金服95亿美元收购饿了么;西湖大学正式获批成立
- 资源 | 2018年值得关注的200场机器学习会议(建议收藏)
- 发现一个很奇怪的现象,MyBaits 的 insert方法一直返回-2147482646
- 笑了,面试官问我知不知道异步编程的Future。
- 在用安全框架前,我想先让你手撸一个登陆认证
- 最棒 Spring Boot 干货总结(超详细,建议收藏)
- 在Redis中设置了过期时间的Key,需要注意哪些问题?
- Spring Boot 监听 Redis Key 失效事件实现定时任务
- 12篇文章带你进入NLP领域,掌握核心知识