5.6 KiB
| comments |
|---|
| true |
11.6. 桶排序
前面介绍的几种排序算法都属于 基于比较的排序算法，即通过比较元素之间的大小来实现排序，此类排序算法的时间复杂度无法超越 O(n \log n) 。接下来，我们将学习几种 非比较排序算法 ，其时间复杂度可以达到线性级别。
「桶排序 Bucket Sort」是分治思想的典型体现，其通过设置一些具有大小顺序的桶，每个桶对应一个数据范围，将数据平均分配到各个桶中，并在每个桶内部分别执行排序，最终按照桶的顺序将所有数据合并即可。
11.6.1. 算法流程
输入一个长度为 n 的数组，元素是范围 [0, 1) 的浮点数，桶排序流程为：
- 初始化
k个桶，将n个元素分配至k个桶中； - 对每个桶分别执行排序（本文采用编程语言的内置排序函数）；
- 按照桶的从小到大的顺序，合并结果；
Fig. 桶排序算法流程
=== "Java"
```java title="bucket_sort.java"
/* 桶排序 */
void bucketSort(float[] nums) {
// 初始化 k = n/2 个桶，预期向每个桶分配 2 个元素
int k = nums.length / 2;
List<List<Float>> buckets = new ArrayList<>();
for (int i = 0; i < k; i++) {
buckets.add(new ArrayList<>());
}
// 1. 将数组元素分配到各个桶中
for (float num : nums) {
// 输入数据范围 [0, 1)，使用 num * k 映射到索引范围 [0, k-1]
int i = (int) num * k;
// 将 num 添加进桶 i
buckets.get(i).add(num);
}
// 2. 对各个桶执行排序
for (List<Float> bucket : buckets) {
// 使用内置排序函数，也可以替换成其它排序算法
Collections.sort(bucket);
}
// 3. 遍历桶合并结果
int i = 0;
for (List<Float> bucket : buckets) {
for (float num : bucket) {
nums[i++] = num;
}
}
}
```
=== "C++"
```cpp title="bucket_sort.cpp"
[class]{}-[func]{bucketSort}
```
=== "Python"
```python title="bucket_sort.py"
[class]{}-[func]{bucket_sort}
```
=== "Go"
```go title="bucket_sort.go"
[class]{}-[func]{bucketSort}
```
=== "JavaScript"
```javascript title="bucket_sort.js"
[class]{}-[func]{bucketSort}
```
=== "TypeScript"
```typescript title="bucket_sort.ts"
[class]{}-[func]{bucketSort}
```
=== "C"
```c title="bucket_sort.c"
[class]{}-[func]{bucketSort}
```
=== "C#"
```csharp title="bucket_sort.cs"
[class]{bucket_sort}-[func]{bucketSort}
```
=== "Swift"
```swift title="bucket_sort.swift"
[class]{}-[func]{bucketSort}
```
=== "Zig"
```zig title="bucket_sort.zig"
[class]{}-[func]{bucketSort}
```
!!! question "桶排序的应用场景是什么？"
桶排序一般用于排序超大体量的数据。例如输入数据包含 100 万个元素，由于空间有限，系统无法一次性将所有数据加载进内存，那么可以先将数据划分到 1000 个桶里，再依次排序每个桶，最终合并结果即可。
11.6.2. 算法特性
时间复杂度 $O(n + k)$ ：假设元素平均分布在各个桶内，则每个桶内元素数量为 \frac{n}{k} 。假设排序单个桶使用 O(\frac{n}{k} \log\frac{n}{k}) 时间，则排序所有桶使用 O(n \log\frac{n}{k}) 时间，当桶数量 k 比较大时，时间复杂度则趋向于 $O(n)$ 。最后合并结果需要遍历 n 个桶，使用 O(k) 时间。
最差情况下，所有数据被分配到一个桶中，且排序算法退化至 O(n^2) ，此时使用 O(n^2) 时间，因此是“自适应排序”。
空间复杂度 $O(n + k)$ ：需要借助 k 个桶和共 n 个元素的额外空间，是“非原地排序”。
桶排序是否稳定取决于排序桶内元素的算法是否稳定。
11.6.3. 如何实现平均分配
桶排序的时间复杂度理论上可以达到 O(n) ，难点是需要将元素均匀分配到各个桶中，因为现实中的数据往往都不是均匀分布的。举个例子，假设我们想要把淘宝的所有商品根据价格范围平均分配到 10 个桶中，然而商品价格不是均匀分布的，100 元以下非常多、1000 元以上非常少；如果我们将价格区间平均划为 10 份，那么各个桶内的商品数量差距会非常大。
为了实现平均分配，我们可以先大致设置一个分界线，将数据粗略分到 3 个桶，分配完后，再把商品较多的桶继续划分为 3 个桶，直至所有桶内元素数量大致平均为止。此方法本质上是生成一个递归树，让叶结点的值尽量平均。当然，不一定非要划分为 3 个桶，可以根据数据特点灵活选取。
Fig. 递归划分桶
如果我们提前知道商品价格的概率分布，那么也可以根据数据概率分布来设置每个桶的价格分界线。注意，数据分布不一定需要特意去统计，也可以根据数据特点采用某种概率模型来近似。如下图所示，我们假设商品价格服从正态分布，就可以合理设置价格区间，将商品平均分配到各个桶中。
Fig. 根据概率分布划分桶