来燃烧你的卡路里
人到中年，容易变得油腻，思想懒惰，身体就容易发胖。为了摆脱中年油腻，不如和我一起学习算法来烧烧脑子，燃烧你的卡路里。
烧脑题目：如何在 O(n) 的时间复杂度内按年龄给 100 万用户信息排序？
带着这个问题来学习下三个线性排序算法。
前几篇文章介绍了几个常用的排序算法：冒泡、选择、插入、归并、快速，他们的时间复杂度从 O(n^2) 到 O(nlogn)，其实还有时间复杂度为 O(n) 的排序算法，他们分别是桶排序，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，所以这类算法也叫线性排序。
你可能会问了，为什么这些时间复杂度低至 O(n) 的排序算法会很少使用呢？ 那就是因为这些排序算法对待排序的数据要求比较苛刻，这些算法理解其来比较简单，学习这类算法重要的是掌握它们的适用场景。下面我给出每一种算法的实现思路，Python程序实现和应用场景。
1、桶排序
桶排序，可以这样去理解：想像你面前有 m 个桶，有一堆待排序的 n 个数据，可以将这 n 个数据先按次序划分成 m 个区间，对应依次放入这 m 个桶里，然后对每个桶内的数据进行排序，再依次从 1 到 m 个桶里依次取出就得到有序的结果。
换成这样描述会更容易理解。假如要对 100 个订单的金额进行排序，订单的金额都是整数，订单金额从 1 到 100 不等，那么可以将这 100 个订单分成 10 个区间，放到 10 个桶中，1 至 10 元的放在 1 桶，11 至 20元的到 2 桶… 91 至 100 的放到第 10 个桶中，然后对每个桶内的数据进行快速排序，再依次从1 桶、2 桶、3 桶 、10 桶取出元素，就得到有序的订单信息。
你可能会问了，假如桶的个数是 m，每个桶中的数据量平均 n/m, 这个时间复杂度明明是 m*(n/m)*(log(n/m)) = n log(n/m)，怎么可能是 O(n) 呢 ？ 这个问题非常好，原因是这样的，当桶的个数 m 接近与 n 时，log(n/m) 就是一个非常小的常数，在时间复杂度时常数是可以忽略的。比如极端情况下桶的个数和元素个数相等，即 n = m， 此时时间复杂度就可以认为是 O(n)。
编程思路
1、初始化桶的大小为K
2、获取 n 个数据中的最大值 max，最小值 min
3、将数据放入到 n/K +1 个桶中，a[i] 放入哪个桶的规则为 (a[i]-min)/K
4、对 n/K 个桶分别进行快速排序并输出。
算法实现 Python 版
#encoding = utf-8
import random
from quick_sort import quick_sort
DEFAULT_BUCKET_SIZE = 5
def bucket_sort(data_list,bucket_size = DEFAULT_BUCKET_SIZE):
length = len(data_list)
min = max = data_list[0]
#寻找最小值和最大值
for i in range(0,length):
if data_list[i] < min:
min = data_list[i]
if data_list[i] > max:
max = data_list[i]
#定义多个桶并初始化
num_of_buckets = (max - min) // bucket_size +1
buckets = []
for i in range(num_of_buckets):
buckets.append([])
#将数据放入桶中
for i in range(0,length):
buckets[(data_list[i] - min)//bucket_size ].append(data_list[i])
#依次对桶内数据进行快速排序
data_list.clear()
for i in range(num_of_buckets):
print(f"第{i}个桶排序前的内容是{buckets[i]}")
quick_sort(buckets[i])
# print(f"第{i}个桶排序后的内容是{buckets[i]}")
for data in buckets[i]:
data_list.append(data)
if __name__ == "__main__":
data_list = [random.randint(0,15) for _ in range(0,15)]
print(data_list)
bucket_sort(data_list)
print(data_list)
执行结果如下所示：
[13, 7, 12, 7, 8, 14, 3, 10, 1, 13, 0, 0, 4, 3, 5]
第0个桶排序前的内容是[3, 1, 0, 0, 4, 3]
第1个桶排序前的内容是[7, 7, 8, 5]
第2个桶排序前的内容是[13, 12, 14, 10, 13]
[0, 0, 1, 3, 3, 4, 5, 7, 7, 8, 10, 12, 13, 13, 14]
这里请注意：如果桶内的数据极不均匀，极端情况下，只有一个桶有数据，那么桶排序的时间复杂度就退化为 O(nlogn)。因此桶排序适合对每个区间内分布比较均匀的数据进行排序。
桶排序适用场景
桶排序适合外部排序，外部排序就是数据在内存之外，比如磁盘上，数据量比较大，无法一次性读入内存。举个例子，假如老板给你一份 10 GB 大小的文件，是订单的交易明细数据，要求你按订单金额从大到小排序，而你的内存内有 4GB，实际可用内存只有 2 GB，那么此时就是桶排序发挥作用的时候了。
将文件逐行读入内存（几乎每个编程语言都可以），扫描并记录最小值，最大值，假如最小值为 1 元，最大值为 10 万元，且都为整数，不是整数也没关系，可以先乘以 100 换成整数，排序后再除以 100 还原。
设置初始的桶大小为 1000，也就是说每 1000 元做一个分区，放在一个桶内，这样就有 10万/1000 = 100 个桶。再次逐行读入文件，订单金额在 1 到 1000 元的放在第 1 个桶里，在 1001 到 2000 元的放第 2 个桶里，依次类推，这里的桶是个形象的比喻，其实就是对应磁盘上的文件，这里的放，其实就是逐行写入磁盘上的文件中，相当于将 10 GB的文件分隔成 100 个小文件。
如果订单金额是均匀分布的，那么这 100 个小文件平均每个占内存 100 MB。第一次分区后如果小文件均小于可用内存大小，那么可以依次对这些小文件数据全部读入内存进行快速排序，排序完再写回磁盘，最后依次读取这些小文件并输出到一个大文件中，达到排序的效果。如果仍有小文件超过可用内在，那么再对该文件再次分区，直到可用内存能容下为止。
2、计数排序
计数排序是桶排序的一种特殊情况，当待排序的元素的最大值为 K 时，就把数据划分为 K 个桶。每个桶内的数据都是相等的，这样就节省了桶内排序的时间。
典型的应用场景就是：高考分数排名。高考成绩满分 750 分，就设置 751 个桶，对应 0，1，…750 的分数，只需要将数百万的考生按成绩放在每个桶中，再依次从每个桶中输出学生信息，就完成了排序。
那么，为什么叫计数排序呢？为方便描述，假如有 8 个考生，满分为 5 分，他们的成绩分别为 2，5，3，0，2，3，0，3。那么就设计 6 个桶，简单点,定义数组 B[6] 表示 6 个桶，每个桶存放该分数的考生个数，只需要遍历一下考生成绩，即可得到桶 B[6] = [2,0,2,3,0,1] ,B[3]=3 表示成绩为 3 的考生有 3 个，而成绩小于 3 的考生前面有 4 个，也就是说成绩为 3 的考生，应该排列在有序数组的 5，6，7 三个位置，如何得到其他分数所在的位置呢？
首先对 B[6] 累计求和，得到新的 B[6] = [2,2,4,7,7,8]，B[3]=7 就表示小于等于 3 分的考生个数为 7 个。
根据 B[6] = [2,2,4,7,7,8] 和初始序列 2，5，3，0，2，3，0，3，我们可以得到有序序列 [ 0,0,2,2,3,3,3,5 ] 。这里使用另外一个数组来计数的实现方式非常巧秒，如下所示：
#encoding=utf-8
#实现极客专栏 数据结构与算法之美 第13节 线性排序中的计数排序算法
def counting_sort(data_list):
length = len(data_list)
#定义桶
bucket = []
max = data_list[0]
for d in data_list:
if d > max:
max = d
#初始化
for i in range(max+1):
bucket.append(0)
#计数
for i in range(length):
bucket[data_list[i]] = bucket[data_list[i]] + 1
##累加
for i in range(1,max+1):
bucket[i] = bucket[i]+bucket[i-1]
#计数排序,定义结果数组并初始化
result = []
for i in range(length):
result.append(0)
#从尾至头查找分数在result的插入位置，如果从头到尾的话就不是稳定的排序算法。
for i in range(length-1,-1,-1):
result[bucket[data_list[i]]-1] = data_list[i]
bucket[data_list[i]] = bucket[data_list[i]] -1
#将结果复制到原来的数组中，达到修改传入数组的效果
for i in range(length):
data_list[i] = result[i]
if __name__ == "__main__":
data_list = [2,5,3,0,2,3,0,3]
print(data_list)
counting_sort(data_list)
print(data_list)
执行结果如下所示：
[2, 5, 3, 0, 2, 3, 0, 3]
[0, 0, 2, 2, 3, 3, 3, 5]
计数排序适用场景
计数排序只能用在数据范围不大的场景中，如果数据范围 k 比要排序的数据 n 大很多，就不适合用计数排序了。而且，计数排序只能给非负整数排序，如果要排序的数据是其他类型的，要将其在不改变相对大小的情况下，转化为非负整数。
3、基数排序
我们再来看这样一个排序问题。假设我们有 10 万个手机号码，希望将这 10 万个手机号码从小到大排序，你有什么比较快速的排序方法呢？
如果直接用快排，时间复杂度是O(nlogn)，如果使用基数排序，时间复杂度为O(n)。
手机号码这类数据有个特点：定长，只要前面某一位大小确定，后面的位就不需要在一一比较。因此我们可以借助稳定的排序算法，先按照最后一位来排序手机号码，然后，再按照倒数第二位重新排序，以此类推，最后按照第一位重新排序。经过 11 次排序之后，手机号码就都有序了。
根据每一位来排序，我们利用上述桶排序或者计数排序，它们的时间复杂度可以做到 O(n)。如果要排序的数据有 k 位，那我们就需要 k 次桶排序或者计数排序，总的时间复杂度是 O(k*n)。当 k 不大的时候，比如手机号码排序的例子，k 最大就是 11，所以基数排序的时间复杂度就近似于 O(n)。
这里给出我自己实现的代码（python）
#encoding=utf-8
import random
class phone_num(object):
num = ""
def __init__(self,num=""):
self.num = num
def get_bit(self,bit):
return int(self.num[bit-1:bit])
def __str__(self):
return self.num
def __repr__(self):
return self.num
def radix_sort(data_list):
radix = 11
##借助稳定排序算法从尾至头排序 radix 次
for i in range(radix,0,-1):
counting_sort(data_list,i)
#改写的计数排序，方便基数排序调用,radix 指示是待排序数据的哪一位
def counting_sort(data_list,radix):
length = len(data_list)
#定义桶
bucket = []
max = data_list[0].get_bit(radix)
for i in range(length):
if data_list[i].get_bit(radix) > max:
max = data_list[i].get_bit(radix)
#初始化
for i in range(max+1):
bucket.append(0)
#计数
for i in range(length):
bucket[data_list[i].get_bit(radix)] = bucket[data_list[i].get_bit(radix)] + 1
##累加
for i in range(1,max+1):
bucket[i] = bucket[i]+bucket[i-1]
#计数排序,定义结果数组并初始化
result = []
for i in range(length):
result.append(0)
#从尾至头查找分数在result的插入位置，如果从头到尾的话就不是稳定的排序算法。
for i in range(length-1,-1,-1):
result[bucket[data_list[i].get_bit(radix)]-1] = data_list[i]
bucket[data_list[i].get_bit(radix)] = bucket[data_list[i].get_bit(radix)] -1
#将结果复制到原来的数组中，达到修改传入数组的效果
for i in range(length):
data_list[i] = result[i]
def create_phone_num():
prelist = ["130", "131", "132", "133", "134", "135", "136", "137", "138", "139", "147", "150", "151", "152",
"153", "155", "156", "157", "158", "159", "186", "187", "188"]
randomPre = random.choice(prelist)
Number = "".join(random.choice("0123456789") for i in range(8))
phoneNum = randomPre +Number
return phoneNum
if __name__ == "__main__":
data_list = [phone_num(create_phone_num()) for _ in range(10)]
print("排序前")
for i in data_list:
print(i)
radix_sort(data_list)
print("排序后")
for i in data_list:
print(i)
代码的最开始处，先定义电话号码的类，并实现返回某一位数值的函数get_bit()，这样在计数排序函数中根据某一位来排序了，也可以直接使用字符串数组，只不过那样写的话代码的可读性不好。代码还修改了计数排序函数，使之适用于基数排序。在排序前随机的生成了 10 个手机号码，执行结果如下所示：
排序前
13834120744
13512786443
13243514461
13602161246
18691910549
14759154249
13080747777
13890979666
13995122272
15248505554
排序后
13080747777
13243514461
13512786443
13602161246
13834120744
13890979666
13995122272
14759154249
15248505554
18691910549
可以看出，基数排序调用了 11 次计数排序对手机号码进行排序，每次计数排序的时间复杂度为 O(n)，因此使用基数排序对类似这样的数据排序的时间复杂度也为 O(n)。
基数排序的适用场景
基数排序对要排序的数据是有要求的，需要可以分割出独立的“位”来比较，而且位之间有递进的关系，如果 a 数据的高位比 b 数据大，那剩下的低位就不用比较了。除此之外，每一位的数据范围不能太大，要可以用线性排序算法来排序，否则，基数排序的时间复杂度就无法做到 O(n) 了。
在实际应用中，字符串之间排序就可以使用基数排序，如果待排序的字符串位数不一致，可以通过在字符串尾部补 0 来使他们位数一致，这与小数转整数后再排序的道理是一致的。
解答开篇
到这里，我想你已经知道如何给根据年龄给 100 万用户排序了，就类似按照成绩给 100 万考生排序。我们假设年龄的范围最小 1 岁，最大不超过 120 岁。我们可以遍历这 100 万用户，根据年龄将其划分到这 120 个桶里，然后依次顺序遍历这 120 个桶中的元素。这样就得到了按照年龄排序的 100 万用户数据。
系列文章：
（完）
加个人微信公众号 somenzz，获得原创技术干货，和你一起学习。
image.png
