标签：end 运算 获取 res 数字 过程 场景 rap 索引
计数排序的实现主要是数据样本的特殊性(正整数，明确最大边界)和利用列表索引位置来记录值，索引值来统计个数
最后循环索引，根据值(个数)确定添加多少个
import time
def cal_time(func):
def wrapper(*args, **kwargs):
t1 = time.time()
result = func(*args, **kwargs)
t2 = time.time()
print("%s running time: %s secs." % (func.__name__, t2 - t1))
return result
return wrapper
@cal_time
def count_sort(li, max_count=100):
count = [0 for _ in range(max_count+1)]
for val in li:
count[val] += 1
li.clear()
for ind, val in enumerate(count):
for i in range(val):
li.append(ind)
@cal_time
def sys_sort(li):
li.sort()
import random, copy
li = [random.randint(0,100) for _ in range(100000)]
li1 = copy.deepcopy(li)
li2 = copy.deepcopy(li)
count_sort(li1)
sys_sort(li2)
桶排序实现思路和计数排序实现思路大体相同，计数排序是通过列表索引来把相同的数弄到一组，而桶排序则是确定一个范围来确定分组
代码实现思路：
import random
def bucket_sort(li, n=100, max_num=10000):
buckets = [[] for _ in range(n)] # 创建桶
for var in li:
i = min(var // (max_num // n), n-1) # i 表示var放到几号桶里
buckets[i].append(var) # 把var加到桶里边
# 保持桶内的顺序
for j in range(len(buckets[i])-1, 0, -1):
if buckets[i][j] < buckets[i][j-1]:
buckets[i][j], buckets[i][j-1] = buckets[i][j-1], buckets[i][j]
else:
break
sorted_li = []
for buc in buckets:
sorted_li.extend(buc)
return sorted_li
li = [random.randint(0,10000) for i in range(100000)]
# print(li)
li = bucket_sort(li)
print(li)
基数排序实现思路是多关键词排序和桶排序的结合，多关键词排序，举个例子，你就明白了，比如先工资排序，如果相同的再按年龄排序
基数排序实现过程：
代码实现要点：获取最大数确定循环位数，每次循环桶数确定0-9，分桶合并桶
def radix_sort(li):
max_num = max(li) # 最大值 9->1, 99->2, 888->3, 10000->5
it = 0
while 10 ** it <= max_num:
buckets = [[] for _ in range(10)]
for var in li:
# 987 it=1 987//10->98 98%10->8; it=2 987//100->9 9%10=9
digit = (var // 10 ** it) % 10
buckets[digit].append(var)
# 分桶完成
li.clear()
for buc in buckets:
li.extend(buc)
# 把数重新写回li
it += 1
基数排序在某些情况下，比快速排序还快，是一种比较理想的排序，算法复杂度接近O(kn),它运算快慢更多取决于列表中数字大小，如果很大，它就会慢下来，而快排则是取决于列表长度，所以要根据不同场景来使用这个两个算法
标签：end 运算 获取 res 数字 过程 场景 rap 索引
原文地址：https://www.cnblogs.com/xinsiwei18/p/10140745.html
