时间复杂度为`O(n)`的排序

以下排序算法都是针对特定场景才有优势的排序算法

桶排序

特定场景描述

为20XX年全国X0万考生的高考分数排序
为截止20XX年全国1X亿公民的身高排序
为截止20XX年全国1X亿公民的体重排序
为20XX年天猫双十一所有订单的金额排序
为20XX年滴滴打车所有订单的下单时间排序
为20XX年微信所有后台日志的时间排序

以上场景一般具有以下特点：

要排序的数据有明显的范围。比如高考分数一般介于0~900，公民身高一般介于0~3000，公民体重一般介于0~150，订单金额一般介于0~max(当年)，而某一年的时间，如果把时间以时间戳形式计算，一定是介于某个固定区间的
既然有了明显的范围区间，就很方便划分区间段（类似统计中的柱状图），而且区间段的数据满足单调性，比如区间段f(x)和区间段f(x+1)一定满足如下关系：max(f(x)[i]) < min(f(x+1)[i])，即上一个区间段内的最大值一定比下一个区间段的最小值要小（这里说的是升序排列）。比如高考分数可划分的区间段是0~100、101~200、201~300、301~400、401~500、501~600、601~700、701~800、801~900，在区间段201~300中的最大值很明显会小于区间段301~400中的最小值。
划分好了区间段，还要满足各区间段内的数据量相对均匀。还拿高考分数为例，意思是区间段201~300中的考生数和区间段301~400中的考生数和…几乎相当。这个其实挺难的。因为很多类似的分布都会符合正态分布的，两头少，中间多，当然也有特定的情况，这完全是根据数据的业务属性而来的。但各区间段内的数据量相对均匀是桶排序很关键的一点。

为了满足各区间段内的数据量相对均匀，就需要根据实际业务场景，重新划分区间段（桶）。
比如考生的分数，公民的身高和体重，一般来说符合正态分布，仍以分数为例，这需要参考以往经验了，假设得到的经验是，一般会在500~800之间扎堆儿，该区间考生数占据了所有的大约80%，那么根据这条经验，可以做出新的桶划分。比如：0~500、501~550、551~600、600~650、651~700、701~750、751~800、801~900，或许500~800还可以分的更细致些的。
比如微信的后台日志时间戳，以天为单位的话，假设得到的经验是，春节前后使用量很大，五一、十一也会很大。相应的调整新的桶划分。
以上的目的就是尽量满足各桶中的数据量均匀。

思路

以空间换时间
尽可能减少数据间的比较
设置好若干个桶之后，首先遍历待排序数据，放入特定的桶中，时间复杂度是O(n)，假设严丝合缝，也要开辟空间复杂度为O(n)的多个桶做临时存储
接着将各桶中的数据分别排序，如果需要稳定性（好像没在排序里说明稳定性的意思，后边单说吧），使用归并排序，如果不需要稳定性，使用快速排序，总之单个桶的时间复杂度是O(klogk)。假设设置的桶足够多，可以让一个桶里的元素值相等，那就不需要桶内排序了。但这需要开辟的桶空间可就更大了（这也算是把“以空间换时间”发挥到极致了吧）。
最后按序遍历各桶以及各桶中元素，依次放入原数组，完成排序。

实现代码

比较纠结这个排序算法要怎么写合适，网上也没找到一个很通用的，毕竟设定几个桶，桶的深度都要结合实际情况来看的。这里只能放一个简单的例子，以及代码实现。
全班10人，身高分别是[150,163,158,166,170,169,158,175,181,175]，按身高升序排序
在执行排序前，得知身高最大值max=181，最小值min=150，设置m=3个桶，桶区间依次是150~160，161~170，171~181，每个桶的深度为5
下边是伪代码

public void bucketSort(int[] array, int length) {int bucketCount = 3;int[] bucket1 = new int[5];int bucket1Min = 150;int bucket1Max = 160;int[] bucket2 = new int[5];int bucket2Min = 161;int bucket2Max = 170;int[] bucket3 = new int[5];int bucket3Min = 171;int bucket3Max = 181;int bucket1Index = 0;int bucket2Index = 0;int bucket3Index = 0;for(int i = 0; i < array.length; i++) {int item = array[i];if(item < bucket2Min) {bucket1[bucket1Index++] = item;} else if (item < bucket3Min) {bucket2[bucket2Index++] = item;} else {bucket3[bucket3Index++] = item;}}quickSort(bucket1, bucket1.length);quickSort(bucket2, bucket2.length);quickSort(bucket3, bucket3.length);for(int i = 0; i < bucket1Index; i++) {array[i] = bucket1[i];}for(int i = 0; i < bucket2Index; i++) {array[bucket1Index + i] = bucket2[i];}for(int i = 0; i < bucket3Index; i++) {array[bucket2Index + i] = bucket3[i];}
}

计数排序

特定场景描述

场景和通排序的场景类似，只不过有了更苛刻的要求

要排序的数据不仅有明显的范围，而且数值范围不大。比如桶排序列出的诸多场景中，分数、身高、体重都是很好的；金额可能有点邪乎，主要是如果土豪太多，双十一一单花了好几个亿那种，区间就太大了，不过据说单个订单有金额上限，如果这样的话就很好了；按时间排序，这可能就有点头大了，但如果不是按纳秒，而是粗略一些忽略到毫秒（也难），忽略到秒（一年31,536,000秒，也难），忽略到分钟（一年525,600分钟，挺好），忽略到小时（一年8,760小时，挺好），再忽略估计这个排序的意义可能就丧失了。
要将被排序的所有元素按照某个一对一映射的函数，先计算成非负整数。比如身高和体重，身高169.55可以换算为16955，换算公式是f(x) = 100 * x；而x = f(x) / 100；两个函数的计算结果都是唯一的。再比如时间排序，换算成时间戳，再减去一个待排序最小时间的时间戳，在允许的情况下忽略纳秒、毫秒、甚至秒（这个逆向的映射有些麻烦，但既然忽略了一些精度，就相当于按更粗略的单位来排序了）。

思路

计数排序是特殊的桶排序，实现思路如下：
因为对数据值的范围做了限定：一方面不大，另一方面都可转为非负整数，那么就可以进行如下操作了。
假设数据值的最大值是max，接着设定max+1个桶，而这里的桶不用来存储元素的集合，而用来存储元素的个数，所以每个桶的长度为1。
所以可创建一个长度为max+1的数组充当这max+1个桶

int[] temp = new int[max+1];

接着遍历原数组array，统计每个值的个数，并将结果保存到桶中

for(int i = 0; i < array.length; i++) {int item = array[i];temp[item] = temp[item] + 1;
}

举个例子，数组array = {3,5,7,2,4,2,7,3,1}
其中最大元素是7，那么桶就是temp = new int[8]
遍历array

index = 0; item = 3; temp[3] = temp[3] + 1; temp = {0,0,0,1,0,0,0,0};
index = 1; item = 5; temp[5] = temp[5] + 1; temp = {0,0,0,1,0,1,0,0};
index = 2; item = 7; temp[7] = temp[7] + 1; temp = {0,0,0,1,0,1,0,1};
index = 3; item = 2; temp[2] = temp[2] + 1; temp = {0,0,1,1,0,1,0,1};
index = 4; item = 4; temp[4] = temp[4] + 1; temp = {0,0,1,1,1,1,0,1};
index = 5; item = 2; temp[2] = temp[2] + 1; temp = {0,0,2,1,1,1,0,1};
index = 6; item = 7; temp[7] = temp[7] + 1; temp = {0,0,2,1,1,1,0,2};
index = 7; item = 3; temp[3] = temp[3] + 1; temp = {0,0,2,2,1,1,0,2};
index = 8; item = 1; temp[1] = temp[1] + 1; temp = {0,1,2,2,1,1,0,2};

最终得到temp = {0,1,2,2,1,1,0,2}
从数组temp可以看出，数组array中元素i的个数是temp[i]
而如果希望数组中元素值所表达如下含义呢？
从数组temp可以看出，数组array中<= i的元素的个数是temp[i]
数组temp要做如下的元素叠加处理

for(int i = 1; i < temp.length; i++) {temp[i] = temp[0] + temp[i];
}

最终得到temp = {0,1,3,5,6,7,7,9}
从数组temp可以看出，数组array中<= i的元素个数是temp[i]
原array = {3,5,7,2,4,2,7,3,1}，设置一个等长的临时数组result = new int[array.length]
第一个元素3，得到temp[3] = 5，说明<= 3的元素个数是5，那么经过排序后的array中index = 4（第5个元素）的位置上放置的一定就是3，所以result[4] = 3。既然3的位置已经确定，<= 3的元素个数就是4了，需要执行temp[3] = temp[3] - 1
此时result = {0,0,0,0,3,0,0,0,0}; temp = {0,1,3,4,6,7,7,9};
第二个元素5，得到temp[5] = 7，说明<= 5的元素个数是7，那么经过排序后的array中index = 6（第7个元素）的位置上放置的一定就是5，所以result[6] = 5。同样，temp[5] = temp[5] - 1
此时result = {0,0,0,0,3,0,5,0,0}; temp = {0,1,3,4,6,6,7,9};
第三个元素7
此时result = {0,0,0,0,3,0,5,0,7}; temp = {0,1,3,4,6,6,7,8};
第四个元素2
此时result = {0,0,2,0,3,0,5,0,7}; temp = {0,1,2,4,6,6,7,8};
第五个元素4
此时result = {0,0,2,0,3,4,5,0,7}; temp = {0,1,2,4,5,6,7,8};
第六个元素2
此时result = {0,2,2,0,3,4,5,0,7}; temp = {0,1,1,4,5,6,7,8};
第七个元素7
此时result = {0,2,2,0,3,4,5,7,7}; temp = {0,1,1,4,5,6,7,7};
第八个元素3
此时result = {0,2,2,3,3,4,5,7,7}; temp = {0,1,1,3,5,6,7,7};
第九个元素1
此时result = {1,2,2,3,3,4,5,7,7}; temp = {0,0,1,3,5,6,7,7};
最终得到数组result = {1,2,2,3,3,4,5,7,7}就是排序结果
再将其逐个复制到原数组array中即可

最终代码

public void countingSort(int[] array, int length) {// 找最大值int max = array[0];for (int i = 1; i < length; i++) {if (max < array[i]) {max = array[i];}}// 创建统计元素个数的数组int[] temp = new int[max + 1];for (int i : array) {temp[i] = temp[i] + 1;}// 叠加元素个数for (int i = 1; i < temp.length; i++) {temp[i] = temp[i - 1] + temp[i];}// 创建存储结果的临时数组int[] result = new int[length];for (int i : array) {result[temp[i] - 1] = i;temp[i] = temp[i] - 1;}// 将result拷贝到array中去for (int i = 0; i < array.length; i++) {array[i] = result[i];}
}@Test
public void countingSort() {int[] array = {2,6,7,3,1,5,3,2,3};System.out.println(Arrays.toString(array));countingSort(array,array.length);System.out.println(Arrays.toString(array));
}

采坑啦！
其实是在写基数排序时，使用了上述计数排序，就踩到坑了
坑的位置在

// 创建存储结果的临时数组
int[] result = new int[length];
for (int i : array) {result[temp[i] - 1] = i;temp[i] = temp[i] - 1;
}

针对重复元素，因为temp[i]要减一，所以后插入的元素是在先插入的前边
而这段代码中是按array从前向后遍历的，这和上述很巧妙的方式正好反向，导致这里的排序不是稳定的排序
修改方案就是改为逆向遍历

// 创建存储结果的临时数组
int[] result = new int[length];
for (int i = length - 1; i >= 0; i--) {int item = array[i];result[temp[item] - 1] = item;temp[item] = temp[item] - 1;
}

完整代码如下：

public void countingSort(int[] array, int length) {// 找最大值int max = array[0];for (int i = 1; i < length; i++) {if (max < array[i]) {max = array[i];}}// 创建统计元素个数的数组int[] temp = new int[max + 1];for (int i : array) {temp[i] = temp[i] + 1;}// 叠加元素个数for (int i = 1; i < temp.length; i++) {temp[i] = temp[i - 1] + temp[i];}// 创建存储结果的临时数组int[] result = new int[length];for (int i = length - 1; i >= 0; i--) {int item = array[i];result[temp[item] - 1] = item;temp[item] = temp[item] - 1;}// 将result拷贝到array中去for (int i = 0; i < array.length; i++) {array[i] = result[i];}
}@Test
public void countingSort() {int[] array = {2, 6, 7, 3, 1, 5, 3, 2, 3};System.out.println(Arrays.toString(array));countingSort(array, array.length);System.out.println(Arrays.toString(array));
}

基数排序

特定场景

将北京市所有常驻人口按11位手机号排序
将全国人民按身份证号排序
将牛津词典中所有单词排序

这里涉及到的都是字符串排序，而且满足如下条件：
第一个字符小的排在前
第一个字符相同时，第二个字符小的排在前
第一第二个字符相同时，第三个字符小的排在前
…

思路

思路其实是没有的，只是觉得很巧吧
主要是执行固定次数的时间复杂度为O(n)的稳定排序
比如如下5个字符串
["113","217","121","212","221"]
首先按第三位排序得
["121","221","212","113","217"]注意这里是稳定排序（当然，在这里还用不到稳定排序的优势），121和221顺序不变
接着按第二位排序得
["212","113","217","121","221"]再次注意这里的稳定排序
最后按首位排序得
["113","121","212","217","221"]

最终代码

private void countingSort(String[] array, int length, int index) {char max = array[0].charAt(index);for (int i = 1; i < length; i++) {char c = array[i].charAt(index);if (max < c) {max = c;}}int maxValue = charToInt(max);int[] temp = new int[maxValue + 1];for (int i = 0; i < length; i++) {int item = charToInt(array[i].charAt(index));temp[item] = temp[item] + 1;}for (int i = 1; i < temp.length; i++) {temp[i] = temp[i - 1] + temp[i];}String[] result = new String[length];for (int i = length - 1; i >= 0; i--) {int item = charToInt(array[i].charAt(index));result[temp[item] - 1] = array[i];temp[item] = temp[item] - 1;}for (int i = 0; i < array.length; i++) {array[i] = result[i];}}private int charToInt(char c) {return c - '0';
}public void radixSort(String[] array, int length) {int stringLength = array[0].length();for (int i = stringLength - 1; i >= 0; i--) {countingSort(array, length, i);}
}@Test
public void radixSort() {String[] array = {"12345678901", "16789012342", "17890123453", "13456789014", "11234567895","15678901236", "13456789017", "12345678908", "13456789019"};System.out.println(Arrays.toString(array));radixSort(array, array.length);System.out.println(Arrays.toString(array));
}

这里附上一段经某位同学点拨后写出的代码，适用于亿级别int类型整数的高速排序

public void radixSort(int[] array, int length) {for (int i = 0; i < 32; i++) {radixSort(array, length, i);}
}private void radixSort(int[] array, int length, int index) {int[] tempArray = new int[2];for (int i = 0; i < array.length; i++) {int item = (array[i] >> index) & 1;tempArray[item] = tempArray[item] + 1;}for (int i = 1; i < tempArray.length; i++) {tempArray[i] = tempArray[i] + tempArray[i - 1];}int[] result = new int[length];for (int i = length - 1; i >= 0; i--) {int item = (array[i] >> index) & 1;result[tempArray[item] - 1] = array[i];tempArray[item] = tempArray[item] - 1;}for (int i = 0; i < length; i++) {array[i] = result[i];}}

说明一下：
这相当于把一个int类型值先转为二进制，再按二进制排序。int最多32位
上万级别的数据，某位上的最大值为0的概率极低，所以最大值为1，存储0和1的个数数组就是int[2]了。
其余操作不变，但对于取某位上的数值，可使用如下公式：
取二进制数的倒数第i位的值 x >> (i - 1) & 1