python实现·十大排序算法之计数排序(Counting Sort)

简介

计数排序(Counting Sort)不是基于比较的排序算法，其核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。 作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。它的基本思想是：给定的输入序列中的每一个元素x，确定该序列中值小于等于x元素的个数，然后将x直接存放到最终的排序序列的正确位置上。

算法实现步骤

1. 根据待排序集合中最大元素和最小元素的差值范围，申请额外空间；
2. 遍历待排序集合，将每一个元素出现的次数记录到元素值对应的额外空间内；
3. 对额外空间内数据进行计算，得出每一个元素的正确位置；
4. 将待排序集合每一个元素移动到计算得出的正确位置上。

Python 代码实现

# counting_sort 代码实现

from typing import List
    
def counting_sort(arr:List[int]):
	max=min=0
	for i in arr:
		if i < min:
			min = i
		if i > max:
			max = i 
	count = [0] * (max - min +1)
	for j in range(max-min+1):
		count[j]=0
	for index in arr:
		count[index-min]+=1
	index=0
	for a in range(max-min+1):
		for c in range(count[a]):
			arr[index]=a+min
			index+=1

# 测试数据

if __name__ == '__main__':
    import random
    random.seed(54)
    arr = [random.randint(0,100) for _ in range(10)]
    print("原始数据：", arr)
    counting_sort(arr)
    print("计数排序结果", arr)

# 输出结果

原始数据： [17, 56, 71, 38, 61, 62, 48, 28, 57, 42]
计数排序结果 [17, 28, 38, 42, 48, 56, 57, 61, 62, 71]

动画演示

算法分析

• 时间复杂度

  数据取值范围是常数 k，待排序元素个数是 n，总的时间复杂度是 $O(n+k)$。

• 空间复杂度

  计数排序只需要额外的空间复杂度为$O(k)$，所以计数排序的空间复杂度为$O(k)$。

• 稳定性

  计数排序不会改变相等元素的相对位置，所以计数排序是稳定的。

• 综合评价

  时间复杂度(平均)	时间复杂度(最好)	时间复杂度(最坏)	空间复杂度	排序方式	稳定性
  $O(n+k)$	$O(n+k)$	$O(n+k)$	$O(k)$	out-place	稳定

联系我们

个人博客网站：http://www.bling2.cn/

Github地址：https://github.com/lb971216008/Use-Python-to-Achieve

知乎专栏：https://zhuanlan.zhihu.com/Use-Python-to-Achieve

小专栏：https://xiaozhuanlan.com/Use-Python-to-Achieve

博客园：https://www.cnblogs.com/Use-Python-to-Achieve