S14排序算法--基数排序
基数排序是一种非比较型排序算法，核心思想是「按位分组排序」—— 无需直接比较元素大小，而是按数字的每一位（个位、十位、百位...）或字符的 ASCII 码
其优势是时间复杂度稳定，适合处理大规模数字 / 字符串排序；缺点是依赖数据的 “位结构”，且需要额外空间存储桶或计数数组。
算法原理
位处理顺序：
最低位优先（LSD）：先按个位排序，再按十位、百位...（最常用，实现简单）。
最高位优先（MSD）：先按百位排序，再按十位、个位...（适合部分有序数据，需递归处理）。
底层排序：每一位的分组排序依赖「计数排序」或「桶排序」（必须是稳定排序，否则会破坏前一位的排序结果）。
核心逻辑：每处理一位，元素会按该位的大小初步有序；所有位处理完毕后，整个数组完全有序。
核心思路（以 LSD 为例，升序排序）
原始数组：[18, 94, 215, 789, 17, 934, 71, 85, 70, 147]核心规则：按「个位→十位→百位」逐位排序，每轮用计数排序（稳定排序）分组，最终实现整体升序。
预处理：确定关键参数
- 数组长度
n=10； - 最大元素：789（3 位），因此需处理 3 轮（
d=0个位、d=1十位、d=2百位）； - 基数
k=10（数字 0~9），每轮用大小为 10 的计数数组。
一、第 1 轮排序：按个位（d=0）
步骤 1：获取各位数字
原始数组元素 → 个位数字：18 (8)、94 (4)、215 (5)、789 (9)、17 (7)、934 (4)、71 (1)、85 (5)、70 (0)、147 (7)
步骤 2：计数数组统计次数
初始化计数数组 count[10] = {0}，统计每个个位数字的出现次数：
- 0：1 次（70）、1：1 次（71）、4：2 次（94、934）、5：2 次（215、85）、7：2 次（17、147）、8：1 次（18）、9：1 次（789）
- 计数数组结果：
count = [1, 1, 0, 0, 2, 2, 0, 2, 1, 1]
步骤 3：调整计数数组（确定最终位置，保证稳定性）
计数数组累加，存储每个数字的最终结束位置：
count[i] = count[i] + count[i-1]（从 i=1 开始）- 调整后：
count = [1, 2, 2, 2, 4, 6, 6, 8, 9, 10]
步骤 4：从后向前填充临时数组（维持稳定性）
临时数组 output[10]，按 “原数组逆序 + 计数数组定位” 填充：
| 原数组索引 | 元素 | 个位数字 | 计数数组对应值 | output 索引 | output 数组（填充后） |
|---|---|---|---|---|---|
| 9 | 147 | 7 | count[7]=8 | 7 | [70, 71, 94, 934, 215, 85, 17, 147, 18, 789] |
| 8 | 70 | 0 | count[0]=1 | 0 | |
| 7 | 85 | 5 | count[5]=6 | 5 | |
| 6 | 71 | 1 | count[1]=2 | 1 | |
| 5 | 934 | 4 | count[4]=4 | 3 | |
| 4 | 17 | 7 | count[7]=7 | 6 | |
| 3 | 789 | 9 | count[9]=10 | 9 | |
| 2 | 215 | 5 | count[5]=5 | 4 | |
| 1 | 94 | 4 | count[4]=3 | 2 | |
| 0 | 18 | 8 | count[8]=9 | 8 |
步骤 5：复制回原数组
第 1 轮后数组（个位有序）：[70, 71, 94, 934, 215, 85, 17, 147, 18, 789]
二、第 2 轮排序：按十位（d=1）
步骤 1：获取各位数字
当前数组元素 → 十位数字：70 (7)、71 (7)、94 (9)、934 (3)、215 (1)、85 (8)、17 (1)、147 (4)、18 (1)、789 (8)
步骤 2：计数数组统计次数
count[10] = {0}，统计十位数字出现次数：
- 1：3 次（215、17、18）、3：1 次（934）、4：1 次（147）、7：2 次（70、71）、8：2 次（85、789）、9：1 次（94）
- 计数数组结果：
count = [0, 3, 0, 1, 1, 0, 0, 2, 2, 1]
步骤 3：调整计数数组
调整后：count = [0, 3, 3, 4, 5, 5, 5, 7, 9, 10]
步骤 4：从后向前填充临时数组
临时数组 output[10] 填充结果：[17, 18, 215, 934, 147, 70, 71, 85, 789, 94]
步骤 5：复制回原数组
第 2 轮后数组（十位有序）：[17, 18,215 ,934, 147, 70, 71, 85, 789, 94]
三、第 3 轮排序：按百位（d=2）
步骤 1：获取各位数字
当前数组元素 → 百位数字：17 (0)、18 (0)、215 (2)、934 (9)、147 (1)、70 (0)、71 (0)、85 (0)、789 (7)、94 (0)
步骤 2：计数数组统计次数
count[10] = {0}，统计百位数字出现次数：
- 0：6 次（17、18、70、71、85、94）、1：1 次（147）、2：1 次（215）、7：1 次（789）、9：1 次（934）
- 计数数组结果：
count = [6, 1, 1, 0, 0, 0, 0, 1, 0, 1]
步骤 3：调整计数数组
调整后：count = [6, 7, 8, 8, 8, 8, 8, 9, 9, 10]
步骤 4：从后向前填充临时数组
临时数组 output[10] 填充结果：[17, 18, 70, 71, 85, 94, 147, 215, 789, 934]
步骤 5：复制回原数组
第 3 轮后数组（百位有序）：[17, 18, 70, 71, 85, 94, 147, 215, 789, 934]
四、最终排序结果
[17, 18, 70, 71, 85, 94, 147, 215, 789, 934]
C 语言实现（LSD 基数排序，基于计数排序）
选择「计数排序」作为底层排序（稳定、高效、空间开销小），支持非负整数排序（可扩展至负数、字符串）。
1. 核心辅助函数：获取数字的某一位
int getmax(int arr[], int len) {int r = arr[0];for (int i = 1; i < len; i++) {if (r < arr[i]) {r = arr[i];}}return r;
}2. 核心辅助函数：计数排序（按某一位排序）
辅助队列实现：
void Count_Sort(int arr[], int len, int epfd) {queue<int> bucket[10];int* out = (int*)malloc(len * sizeof(int));for (int i = 0; i < len; i++) {int index = (arr[i] / epfd) % 10;bucket[index].push(arr[i]);}int r = 0;for (int i = 0; i < 10; i++) {while (!bucket[i].empty()) {arr[r++] = bucket[i].front();bucket[i].pop();}}
}不借助队列：
void Count_Sort1(int arr[], int len, int epfd) {int* out = (int*)malloc(len * sizeof(int));int count[10] = { 0 };// 步骤1：统计当前位各数字的出现次数for (int i = 0; i < len; i++) {count[(arr[i] / epfd) % 10]++;}// 步骤2：修改计数数组，使其存储最终位置（保证稳定性）for (int i = 1; i < 10; i++) {count[i] += count[i - 1];}// 步骤3：从后向前遍历原数组，按当前位放入临时数组（维持稳定性）for (int i = len - 1; i >= 0; i--) {int index = (arr[i] / epfd) % 10;out[count[index] - 1] = arr[i];count[index]--;}// 步骤4：将临时数组复制回原数组for (int i = 0; i < len; i++) {arr[i] = out[i];}free(out);out = NULL;
}3.基数排序主函数
void Radix_Sort(int arr[], int len) {int max = getmax(arr, len);for (int epfd = 1; max / epfd > 0; epfd *= 10) {Count_Sort(arr, len, epfd);}
}复杂度分析与优缺点
1. 复杂度
| 时间复杂度 | 空间复杂度 | 稳定性 |
|---|---|---|
| O(d×(n+k)) | O(n+k) | 稳定 |
说明：
d：最大元素的位数（如 999→d=3）；n：数组长度；k：每一位的基数（数字为 10，字符为 256）。
实际场景中，
d通常是常数（如整数最多 10 位），因此时间复杂度可近似为 O (n)，效率极高。
2. 优缺点
| 核心优点 | 核心缺点 |
|---|---|
| 非比较排序，效率高（近似 O (n)） | 依赖数据结构（仅支持数字、字符串等有 “位” 的数据） |
| 稳定排序（适合多字段排序） | 需要额外空间（临时数组 + 计数数组） |
| 大规模数据排序性能优异 | 不适合小数、负数（需额外处理符号和小数点） |
总结
基数排序的核心是「按位分桶 + 稳定排序」，通过非比较的方式避开了 O (n log n) 的下界，在大规模数字 / 字符串排序中性能优异。其关键是保证底层排序的稳定性，否则会破坏前一位的排序结果。