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.xdnf.cn/news/1264177.html

相关文章:

  • Sum of Four Values(sorting and searching)
  • 文件管理从基础到高级:文件描述符、超大文件切片重组与快速删除实战
  • SVM实战:从线性可分到高维映射再到实战演练
  • 《在 Spring Boot 中安全使用 Qwen API-KEY:环境变量替代明文配置的最佳实践》
  • Word中怎样插入特殊符号
  • 智慧社区(九)——事务加持下的小区删除操作
  • Vue 路由跳转
  • 【JAVA EE初阶】多线程(进阶)
  • [案例十] NX二次开发批量替换组件功能(装配环境)
  • C 语言链表数据结构
  • 智驭全球波动:跨境量化交易系统2025解决方案
  • 嵌入式Linux学习 - 数据结构6
  • 机器学习——支持向量机(SVM)实战案例
  • wodpress结构化数据对SEO的作用
  • 在 Debian 系统上安装 Redis服务
  • R语言代码加密(1)
  • OpenBMC中libgpio架构与驱动交互全解析:从硬件映射到应用控制
  • 《Graph machine learning for integrated multi-omics analysis》
  • 机器学习——KMeans聚类算法(算法原理+超参数详解+实战案例)
  • Vuex 数据共享
  • Shell脚本实现自动封禁恶意扫描IP
  • 第39周——训练自己的数据集
  • vscode EIDE 无法编译,提示 “文件名、目录名或卷标语法不正确;
  • C语言编译流程讲解
  • centos出现ping: baidu.com: 未知的名称或服务问题
  • DMETL简单介绍、安装部署和入门尝试
  • nflsoi 8.8 题解
  • Linux 内核发包流程与路由控制实战
  • 用 “故事 + 价值观” 快速建立 IP 信任感
  • 亚马逊广告运营如何平衡ASIN投放和关键词投放