牺牲空间换时间的非比较排序之计数排序和基数排序

非比较排序试用于元素比较集中的序列。

1、计数排序

  1. 找出待排序的数组中最大和最小的元素
  2. 统计数组中每个值为i的元素出现的次数,存入数组C的第i
  3. 对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加)
  4. 反向填充目标数组:将每个元素i放在新数组的第C(i)项,每放一个元素就将C(i)减去1
void CountSort(int *a, int size)
{
	assert(a);
	int max = a[0];
	int min = a[0];
	for (int i = 1; i < size; i++)
	{
		if (max < a[i])
			max = a[i];
		if (min > a[i])
			min = a[i];
	}
	int CountSize = max - min + 1;//该序列的范围在min~max之间,所以开辟max-min+1
	int *CountArray = new int[CountSize];
	memset(CountArray,0,CountSize*sizeof(int));
	for (int i = 0; i < size; i++)
	{
		CountArray[a[i]-min]++;//比如序列在1万到2万之间,那么1万应该存在下标为0的数组上
	}
	int index = 0;
	for (int i = 0; i <= CountSize; i++)
	{
		int count = CountArray[i];
		while (count-- > 0)
		{
			a[index++] = i+ min;//那么此时下标为0的数,就是1万
		}
	}
}

2、基数排序

基数排序指的是先把序列中的每个数中的个位排序,然后十位排序,直到超过序列中最大数的位数

void DigitSort(int *a, int size)
{
	assert(a);
	int bit = 1, sum = 10;
	for (int i = 0; i < size; i++)
	{

		while (a[i] >= sum)   //取最大数的位数
		{
			bit++;
			sum *= 10;
		}
	}
	int digit = 1;
	int *bucket = new int[size];
	while (digit <= bit)
	{
		int count[10] = { 0 };
		int position[10] = { 0 };
		for (int i = 0; i < size; i++)
		{
			int numbit = pow(10,digit-1);
			int bitvalue = (a[i] / numbit) % 10;
			count[bitvalue]++;  
		}
		for (int i = 1; i < 10; i++)
		{
			position[i] = position[i - 1] + count[i - 1];
		}
		for (int i = 0; i < size; i++)
		{
			int numbit = pow(10, digit - 1);
			int bitvalue = (a[i] / numbit) % 10;
			bucket[position[bitvalue]++] = a[i];
		}
		digit++;      
		memcpy(a,bucket,size*sizeof(int));
	}
}

时间: 2025-01-03 04:29:13

牺牲空间换时间的非比较排序之计数排序和基数排序的相关文章

算法题:复制复杂链表之空间换时间法

说明:本文仅供学习交流,转载请标明出处,欢迎转载!  题目:复制一个复杂链表,所谓复杂链表指的是每个节点含有两个指针,一个指向单链表的下一个结点,一个指向单链表中的任意某个结点,或者该指针为空. 为了方便起见,我们将待复制的链表称为原型链表,将复制后的新链表称为复制链表,将指向下一个结点的指针定义为next指针,指向其他位置的指针定义为any指针.<剑指offer>上给出了三种解决方法:(1)常规法:(2)空间换时间法:(3)紧随复制法.书上并给出了第三种方法的实现代码.这里我根据书上的提示,

用空间换时间,内存数据库不止于快

近年来随着内存价格的下跌内存数据库正变得日益流行起来,内存数据库的性能也有了飞跃式的发展.然而很多开发人员在考虑内存数据库时只想到了速度,这无疑忽视了内存技术真正的潜力. 内存提供的不仅仅是更快的速度,它也是一种以存储空间换时间的方式.很多开发人员对于内存数据库的使用有一些疑虑,下面我们就来一一说明: 1.内存数据库运行比较快.除了快还有什么别的吗?我们知道内存的读写比硬盘快得多,所以将表全都加载到内存中就可以达到很高的读写速度.虚拟内存的大小受到交换分区的限制而通常交换分区的大小是内存的一到两

求质数数量 - 空间换时间

质数:被自己本身和1整出的数 int getPrimeCount(int value){ int count = 0; int arr[301] = {0};// 0 - is prime , 1 - is not prime int num = (int)sqrt((float)value); for(int i = 2; i <= num ; ++i){ if (!arr[i]){ for(int j = i; i * j < value; ++j){ arr[i * j] = 1; }

递归小题中的空间换时间思想

题目: 如数: 1  1  2  3   5   8   13   21  34  55 ...... 序号: 0  1  2  3   4   5   6     7    8    9 ...... 由用户输入序号,输出对应的数值. 效果: 实现代码: #include <stdio.h> int bian(int num); //static int shu[100]={1,1}; int main() { int num; while ( printf("请输入编号数:&qu

代码重构,空间换时间,dictionary 不要用object ,需明确指定类型

代码重构时,因为修改数据库成本很大,于是,可以在缓存中存储一份期待状态的数据结构: 例如,状态转换: 目标状态,中间件状态,原状态,三个状态之间转换时, 原来的逻辑是:目标状态<--中间件状态<--原状态,可以改为<原状态,中间件状态>-->目标状态, 一般情况下,服务器搭建在虚拟机上时,一般是存储位置大小不再考虑范围之内,cpu的计算能力是共享的,所以一个原则是::用"空间"换"时间",, 貌似: hashtable 和 dictio

Elasticsearch实战 | 必要的时候,还得空间换时间!

1.应用场景 实时数据流通过kafka后,根据业务需求,一部分直接借助kafka-connector入Elasticsearch不同的索引中. 另外一部分,则需要先做聚类.分类处理,将聚合出的分类结果存入ES集群的聚类索引中.如下图所示: 业务系统的分层结构可分为:接入层.数据处理层.数据存储层.接口层. 那么问题来了? 我们需要基于聚合(数据处理层)的结果实现检索和聚合分析操作,如何实现更快的检索和更高效的聚合分析效果呢? 2.方案选型 方案一: 只建立一个索引,aggs_index. 数据处

排序算法(七)非比较排序:计数排序、基数排序、桶排序

前面讲的是比较排序算法,主要有冒泡排序,选择排序,插入排序,归并排序,堆排序,快速排序等. 非比较排序算法:计数排序,基数排序,桶排序.在一定条件下,它们的时间复杂度可以达到O(n). 一,计数排序(Counting Sort) (1)算法简介 计数排序(Counting sort)是一种稳定的排序算法.计数排序使用一个额外的数组C,其中第i个元素是待排序数组A中值等于i的元素的个数.然后根据数组C来将A中的元素排到正确的位置.它只能对整数进行排序. (2)算法描述和实现 得到待排序数的范围(在

基于非比较的排序:计数排序(countSort),桶排序(bucketSort),基数排序(radixSort)

计数排序 条件:要排序的数组的元素必须是在一定范围的,比如是1~100.在排序之前我们必须知道数组元素的范围. 思路:顾名思义:就是用一个数组来计数的. 步骤: 1.用一个数组来计数count[ ],将要排序的数组arr[ ]的元素记为数组count[ ]数组的下标,如果数组arr[]中有两个数相同就在count[]++.如count[arr[i]]++. 2. 再一次遍历数组count[ ],将count[i]  +=  count[i-1]+count[i-2]+....+count[0],

基于非比較的排序:计数排序(countSort),桶排序(bucketSort),基数排序(radixSort)

计数排序 条件:要排序的数组的元素必须是在一定范围的,比方是1~100.在排序之前我们必须知道数组元素的范围. 思路:顾名思义:就是用一个数组来计数的. 步骤: 1.用一个数组来计数count[ ],将要排序的数组arr[ ]的元素记为数组count[ ]数组的下标,假设数组arr[]中有两个数同样就在count[]++.如count[arr[i]]++. 2. 再一次遍历数组count[ ],将count[i]  +=  count[i-1]+count[i-2]+....+count[0],