当前位置: 首页 > news >正文

【数据结构】排序(sort) -- 计数排序

目录

一、前言

二、基本思想

三、 排序实现

1. 绝对映射

2. 相对映射

四、特性总结

五、总结


一、前言

        对于之前的排序:直接插入排序、希尔排序、简单选择排序、堆排序、冒泡排序、快速排序、归并排序这些排序,都是通过比较来排序的,所以这些是比较排序。

        当然还有非比较排序:计数排序、基数排序、桶排序。其中,基数排序、桶排序都不怎么常常应用,最常用的还是计数排序。本文要介绍的便是计数排序。计数排序由两种方法:绝对映射和相对映射。


二、基本思想

        计数排序又称为鸽巢原理,是对哈希直接定址法的变形应用。

        计数排序是通过开辟计数数组,统计要排序各个数据的数目,然后遍历计数数组,再从小到大将数据按计数数组的个数赋值回原数组中去。 从而完成排序。


三、 排序实现

        对于一组数据,开辟的计数数组后,按照数组下标来统计原数据数据个数。如果原数据的大小对应的就是计数数组的下标,这就是绝对映射。如果原数据的最小值对应的是计数数组的第一个下标,这就是相对映射。而我们如果要用计数排序,用的也只有相对映射

1. 绝对映射

        待排序的数据大小一 一对应计数数组的下标大小。

        以排序数据:2,3,6,5,5,4,4,2,2,3 为例,如图所示:

代码实现:

// 计数排序
void CountSort(int* a, int n)
{// 1.统计每个数据出现的数据//绝对映射int* countA = (int*)malloc(sizeof(int) * n);//计数数组if (countA == NULL){perror("malloc fail\n");return;}memset(countA, 0, sizeof(int) * n);// 2.计数for (int i = 0; i < n; i++){countA[a[i]]++;}// 3.排序:赋值回原数组int j = 0;for (int i = 0; i < n; i++){while (countA[i]--){a[j++] = i;}}free(countA);
}

这种方法有很大的局限性,它适用于数据大小范围小的,并且数据集中的情况。

缺点:

  1. 如果当排序的数据是负数时,这时计数数组的下标就不能与数据对应了。
  2. 如果要排序的数据大小都在一个非常大的一个区间中,那么此时,计数数组开辟的空间就会造成很大的浪费了。比如:如果要排序的数据大小处于[a,b]区间,而计数数组开辟了一个可以存储b的数据的空间,那么,这里就有[0,a-1]区间的空间被浪费了。

下面的相对映射就可以解决这个问题。

2. 相对映射

        相对映射并不是绝对映射那样,待排序的数据大小一 一对应计数数组的下标大小的,而是将计数数组的第一个下标位置与待排序数据的最小值进行对应。

以排序数据:6,4,5,5,7,7,8,5,5,8为例,如图所示:

代码实现:

// 计数排序
void CountSort(int* a, int n)
{//1.统计每个数据出现的数据//相对映射int max = a[0], min = a[0];for (int i = 1; i < n; ++i){if (a[i] > max){max = a[i];}if (a[i] < min){min = a[i];}}int range = max - min + 1;//统计范围int* countA = (int*)malloc(sizeof(int) * range);//计数数组if (countA == NULL){perror("malloc fail\n");return;}memset(countA, 0, sizeof(int) * range);//2.计数for (int i = 0; i < n; i++){countA[a[i] - min]++;}//3.排序:赋值回原数组int j = 0;for (int i = 0; i < range; i++){while (countA[i]--){a[j++] = i + min;}}free(countA);
}

相对映射的计数排序就是我们正真意义上的常用的计数排序。


四、特性总结

计数排序的特性总结: 

  1. 适用情况:计数排序在数据范围集中时,效率很高,但是适用范围及场景有限。
  2. 时间复杂度:O(MAX(N,范围)),与具体数据范围有关
  3. 空间复杂度:O(范围)
  4. 稳定性:稳定

五、总结

  • 计数排序是一种非比较排序算法,通过统计元素出现次数进行排序。包含两种映射方式:绝对映射(直接对应元素值)和 相对映射(基于最小值偏移),指出后者更实用。
  • 相对映射通过计算数据范围(range)来优化空间使用,解决了绝对映射的空间浪费问题。该算法时间复杂度为O(N+range),空间复杂度O(range),在数据范围集中时效率高且稳定,但适用范围有限。计数排序适合处理数值范围较小且集中的数据集。

感谢各位观看!希望能多多支持!

http://www.lryc.cn/news/614274.html

相关文章:

  • 在 Elasticsearch/Kibana (ELK Stack) 中搜索包含竖线 (|)​​ 这类特殊字符的日志消息 (msg 字段) ​确实需要转义
  • 软件包管理、缓存、自定义 YUM 源
  • Vulnhub drippingblues 靶场复现 详细攻略
  • 强光干扰下误报率↓82%!陌讯多模态融合算法在高空抛物检测的实战优化
  • 自适应反步控制:理论与设计
  • 分布式微服务--GateWay的断言以及如何自定义一个断言
  • MySQL 配置性能优化赛:核心策略与实战技巧
  • 分布式系统性能优化实战:从瓶颈定位到架构升级
  • 前端后端之争?JavaScript和Java的特性与应用场景解析
  • Microsoft Dynamics AX 性能优化解决方案
  • 用JOIN替代子查询的查询性能优化
  • 深入解析基于Zookeeper分布式锁在高并发场景下的性能优化实践指南
  • DataFun联合开源AllData社区和开源Gravitino社区将在8月9日相聚数据治理峰会论坛
  • AI漫画翻译器-上传图片自动翻译,支持多语言
  • 分享超图提供的、很不错的WebGIS学习资源
  • 从安卓兼容性困境到腾讯Bugly的救赎:全链路崩溃监控解决方案-卓伊凡|bigniu
  • 什么是局放?局放在线智能传感器,敏锐洞察电气设备中的隐形故障!
  • bytearray和bytes
  • 进程管理、系统高负载、cpu超过800%等实战问题处理
  • 【Mybatis入门】配置Mybatis(IDEA)
  • scratch笔记和练习-第11课:穿越峡谷
  • [Linux]学习笔记系列 -- [arm[kernel]
  • Godot ------ 中级人物血条制作02
  • ABP VNext + Fody AOP:编译期织入与性能监控
  • 当服务器多了时,如何管理?
  • 服务器快照与备份的本质区别及正确使用指南 (2025)
  • Linux 内核发包流程与路由控制实战
  • VMwareWorkstation17Pro安装CentOS8无法连接外网问题
  • python使用python-docx自动化操作word
  • Ideogram:优秀的在线AI绘画平台