计数排序¶

一、算法描述¶

1.1 核心思想¶

计数排序是桶大小为 1 的桶排序的一种特殊情况
由于桶大小为 1，所以桶内都是相同的值
桶内都是相同的值，无需桶内排序，只需要记录数据频率
最后排序时，按照数据频率将数据填充回原数组

1.2 细节解释¶

比如说，数组 [6, 0, 5, 0, 9, 4, 1, 7, 4]。

数据范围是 [0, 9]，所以可以划分为 10 个桶，每个桶大小是 1。

这里的桶直接用数组替代，因为只需要计数就够了，不需要保留原数据。

  0   1   2   3   4   5   6   7   8   9
 ___ ___ ___ ___ ___ ___ ___ ___ ___ ___
|   |   |   |   |   |   |   |   |   |   |

然后遍历排序数组，将数字频率统计到计数数组中：

  0   1   2   3   4   5   6   7   8   9
 ___ ___ ___ ___ ___ ___ ___ ___ ___ ___
| 2 | 1 | 0 | 0 | 2 | 1 | 1 | 1 | 0 | 1 |

桶内的数值表示的是对应数字的频率。

这里可以通过扫描计数数组，填充原数组就能排好序了：

int k = 0;
for (int i = 0; i < counts.length; i++) {
    for (int j = 0; j < counts[i].length; j++) {
        arr[k++] = i;
    }
}

简单点说，计数排序的处理过程就是：

统计所有不同数字的出现频率
按照频率将数字填充到数组

处理过程不复杂，关键就在于利用了数字的天然有序性。

1.3 频率累计和¶

按照数字频率填充数字回原数组时，可以利用频率累计和来实现。

比如上面的计数数组，将其从左至右累计起来，可得到：

  0   1   2   3   4   5   6   7   8   9
 ___ ___ ___ ___ ___ ___ ___ ___ ___ ___
| 2 | 3 | 3 | 3 | 5 | 6 | 7 | 8 | 8 | 9 |

累计和 counts[i] 的意思就是，小于等于 i 的值有 counts[i] 个。

利用这个特性，可以将数字 x 直接定位到它最终排序好的位置。

比如 x = 4，counts[4] = 5，说明小于等于 x 的有 5 个。

那么 x 排好序后的位置就是第 5 位，放到数组中就是 arr[4] = x。

  0   1   2   3   4   5   6   7   8
 ___ ___ ___ ___ ___ ___ ___ ___ ___
|   |   |   |   | x |   |   |   |   |

但是如果接着遍历时又碰到一个 y = 4，这时应该放哪里呢？

难道也放 arr[4] 吗？这会覆盖掉上一个 x 的，不可以放。

实际上，在放入 x 时，需同时修改累计和，将其减一 count[4]--，表示已经有 1 个数字放进去了。

所以当遍历到 y 时，实际上此时 counts[4] = 4，所以 y 的位置应该是 arr[3]：

  0   1   2   3   4   5   6   7   8
 ___ ___ ___ ___ ___ ___ ___ ___ ___
|   |   |   | y | x |   |   |   |   |

通过频率累计和的方式，可以逐个将数据摆到正确的位置。

二、算法实现¶

2.1 划分成宽为 1 的桶¶

// 找出数据的范围（最小最大值）
int min = Integer.MAX_VALUE;
int max = Integer.MIN_VALUE;
for (int num : arr) {
    if (num > max) {
        max = num;
    }
    if (num < min) {
        min = num;
    }
}

// 初始化计数范围
int n = max - min + 1;
int[] counts = new int[n];

2.2 将数据映射到桶内¶

通大小是1，都是相同值，不用记录数据，只需要计数就行：

// 统计数字的频率
for (int num : arr) {
    int index = num - min;
    counts[index]++;
}

2.3 统计频率累计和¶

// 频率累计和
for (int i = 1; i < counts.length; i++) {
    counts[i] += counts[i - 1];
}

2.4 倒序摆放数据¶

倒序的作用是为了保证数组数据的稳定性。

如果不需要稳定性，正序遍历也是可以的。

// 倒序遍历获取排序结果
int[] copy = Arrays.copyOf(arr, arr.length);
for (int i = copy.length - 1; i >= 0; i--) {
    int index = copy[i] - min;
    counts[index]--;
    arr[counts[index]] = copy[i];
}

三、算法分析¶

3.1 时间复杂度¶

最好时间复杂度：O(n)
最坏时间复杂度：O(n)
平均时间复杂度：O(n)

3.2 空间复杂度¶

空间复杂度：O(n)
非原地算法

3.3 稳定性¶

稳定排序算法（倒序摆放）

四、适用场景¶

数据范围（max - min）比较小
数据范围（max - min）比数据量（n）要小得多

附录¶

/**
 * 计数排序
 * <p>
 * 时间复杂度：O(n)
 * <p>
 * 空间复杂度：O(n)
 * <p>
 * 稳定性：稳定
 *
 * @author weijiaduo
 * @since 2022/9/5
 */
public class CountSort implements Sort {

    @Override
    public void sort(int[] arr) {
        // 找出数据的范围（最小最大值）
        int min = Integer.MAX_VALUE;
        int max = Integer.MIN_VALUE;
        for (int num : arr) {
            if (num > max) {
                max = num;
            }
            if (num < min) {
                min = num;
            }
        }

        // 初始化计数范围
        int n = max - min + 1;
        int[] counts = new int[n];

        // 统计数字的数量
        for (int num : arr) {
            int index = num - min;
            counts[index]++;
        }

        // 累计数量和
        for (int i = 1; i < counts.length; i++) {
            counts[i] += counts[i - 1];
        }

        // 倒序遍历获取排序结果
        int[] copy = Arrays.copyOf(arr, arr.length);
        for (int i = copy.length - 1; i >= 0; i--) {
            int index = copy[i] - min;
            counts[index]--;
            arr[counts[index]] = copy[i];
        }
    }

}