08. 计数排序

1. 计数排序算法思想

计数排序（Counting Sort）基本思想：
通过统计数组中每个元素在数组中出现的次数，根据这些统计信息将数组元素有序的放置到正确位置，从而达到排序的目的。

2. 计数排序算法步骤

计算排序范围：遍历数组，找出待排序序列中最大值元素 $n u m s \underset{―}{} m a x$ 和最小值元素 $n u m s \underset{―}{} m i n$ ，计算出排序范围为 $n u m s \underset{―}{} m a x - n u m s \underset{―}{} m i n + 1$ 。
定义计数数组：定义一个大小为排序范围的计数数组 $c o u n t s$ ，用于统计每个元素的出现次数。其中：
1. 数组的索引值 $n u m - n u m s \underset{―}{} m i n$ 表示元素的值为 $n u m$ 。
2. 数组的值 $c o u n t s [n u m - n u m s \underset{―}{} m i n]$ 表示元素 $n u m$ 的出现次数。
对数组元素进行计数统计：遍历待排序数组 $n u m s$ ，对每个元素在计数数组中进行计数，即将待排序数组中「每个元素值减去最小值」作为索引，将「对计数数组中的值」加 $1$ ，即令 $c o u n t s [n u m - n u m s \underset{―}{} m i n]$ 加 $1$ 。
生成累积计数数组：从 $c o u n t s$ 中的第 $1$ 个元素开始，每一项累家前一项和。此时 $c o u n t s [n u m - n u m s \underset{―}{} m i n]$ 表示值为 $n u m$ 的元素在排序数组中最后一次出现的位置。
逆序填充目标数组：逆序遍历数组 $n u m s$ ，将每个元素 $n u m$ 填入正确位置。
将其填充到结果数组 $r e s$ 的索引 $c o u n t s [n u m - n u m s \underset{―}{} m i n]$ 处。
放入后，令累积计数数组中对应索引减 $1$ ，从而得到下个元素 $n u m$ 的放置位置。

我们以 $[3, 0, 4, 2, 5, 1, 3, 1, 4, 5]$ 为例，演示一下计数排序算法的整个步骤。

3. 计数排序代码实现

class Solution:
    def countingSort(self, nums: [int]) -> [int]:
        # 计算待排序数组中最大值元素 nums_max 和最小值元素 nums_min
        nums_min, nums_max = min(nums), max(nums)
        # 定义计数数组 counts，大小为 最大值元素 - 最小值元素 + 1
        size = nums_max - nums_min + 1
        counts = [0 for _ in range(size)]
        
        # 统计值为 num 的元素出现的次数
        for num in nums:
            counts[num - nums_min] += 1
        
        # 生成累积计数数组
        for i in range(1, size):
            counts[i] += counts[i - 1]

        # 反向填充目标数组
        res = [0 for _ in range(len(nums))]
        for i in range(len(nums) - 1, -1, -1):
            num = nums[i]
            # 根据累积计数数组，将 num 放在数组对应位置
            res[counts[num - nums_min] - 1] = num
            # 将 num 的对应放置位置减 1，从而得到下个元素 num 的放置位置
            counts[nums[i] - nums_min] -= 1

        return res

    def sortArray(self, nums: [int]) -> [int]:
        return self.countingSort(nums)

4. 计数排序算法分析

时间复杂度： $O (n + k)$ 。其中 $k$ 代表待排序数组的值域。
空间复杂度： $O (k)$ 。其中 $k$ 代表待排序序列的值域。由于用于计数的数组 $c o u n t s$ 的长度取决于待排序数组中数据的范围（大小等于待排序数组最大值减去最小值再加 $1$ ）。所以计数排序算法对于数据范围很大的数组，需要大量的内存。
计数排序适用情况：计数排序一般用于整数排序，不适用于按字母顺序、人名顺序排序。
排序稳定性：由于向结果数组中填充元素时使用的是逆序遍历，可以避免改变相等元素之间的相对顺序。因此，计数排序是一种 稳定排序算法。

来源：https://github.com/itcharge/LeetCode-Py