- 综合排序
- 最热优先
- 最新优先
- 来自专栏C++信息学奥赛
杨校老师课堂之不去重桶排序算法——桶计数应用专项题单
桶排序题目描述输入5个不大于10的正整数，请按照从小到大的顺序输出这5个数。输入描述输入5个正整数。输出描述从小到大顺序输出5个数。中间用空格隔开。 俄罗斯套娃(不去重)题目描述本来有一个完整的俄罗斯套娃，现在被小可都拆开了，很是凌乱，现在需要你帮我按套娃的尺寸的给我（每个尺寸大小可能重复），帮我一起把套娃组装起来！
19200编辑于 2025-07-03 - 来自专栏C++信息学奥赛
杨校老师课堂之去重桶排序算法——桶标记应用专项题单
]=1 表示数字 5 出现过）空间换时间：通过 O (1) 时间复杂度完成元素查询与标记统计与筛选计数统计：通过 a[t]++ 统计数字出现次数（第三套代码）补集思想：输出未被标记的元素（第二套代码）排序输出
23800编辑于 2025-07-03 - 来自专栏历史专栏
【愚公系列】2023年11月 十一大排序算法(九)-桶排序
下面是常见的11种排序算法：冒泡排序（Bubble Sort）：比较相邻的元素，如果前面的元素大于后面的元素，就交换这两个元素的位置。时间复杂度为O(n^2)。 一、桶排序1.基本思想桶排序是一种线性排序算法，其基本思想是将数据按照一定的规则（如数值大小、字符编码等）分配到不同的桶中，再对每个桶内的数据进行排序。 对每个桶内的数据进行排序，可以使用其他排序算法如插入排序、快速排序。将所有桶中的数据按照顺序依次输出，形成有序序列。桶排序的实现依赖于桶的数据结构，通常使用数组或链表来实现桶，以存储桶内的数据。 假设要排序的数据有 n 个，数据在桶中均匀分布，桶的数量为 k，则桶排序的时间复杂度为：最好情况：所有数据落在同一个桶中，此时桶排序的时间复杂度为 O(n)。 3.应用场景桶排序适用于以下场景：数据分布均匀，且取值范围已知的情况下，桶排序的效率最高；数据的取值范围比较小，可以使用桶排序来对数据进行排序；数据的取值范围较大，但数据分布比较集中，可以使用桶排序进行排序
40811编辑于 2023-11-28 - 来自专栏历史专栏
【愚公系列】2021年11月 C#版 数据结构与算法解析(桶排序)
1、桶排序（Bucket Sort） 桶排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。 桶排序 (Bucket sort)的工作的原理：假设输入数据服从均匀分布，将数据分到有限数量的桶里，每个桶再分别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排）。 1.1 算法描述 设置一个定量的数组当作空桶； 遍历输入数据，并且把数据一个一个放到对应的桶里去； 对每个不是空的桶进行排序； 从不是空的桶里把排好序的数据拼接起来。 O(n)，桶排序的时间复杂度，取决与对各个桶之间数据进行排序的时间复杂度，因为其它部分的时间复杂度都为O(n)。 很显然，桶划分的越小，各个桶之间的数据越少，排序所用的时间也会越少。但相应的空间消耗就会增大。
32910编辑于 2021-12-03 - 来自专栏IT从业者张某某
C++018-C++桶排序及其应用
桶排序 (Bucket sort)的工作的原理：假设输入数据服从均匀分布，将数据分到有限数量的桶里，每个桶再分别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排）。 从不是空的桶子里把项目再放回原来的序列中 桶排序算法中，待排序的数据量和桶的数量并不一定是简单的“一对一”的关系，更多场景中是“多对一”的关系， 桶排序应用 我们可以利用桶来完成去重与计数的任务 解决去重问题时，只需将每个数据装入桶中后，再根据桶中是否有数据( tong[i]>0),来输出对应的桶的编号,只输出1次而不要多次输出。 所有整数去重后从低到高排序后的结果。 本文为C++桶排序序案例，包括相关案例练习。
64340编辑于 2023-10-16 - 来自专栏福大大架构师每日一题
2021-11-05：摆动排序 II。给你一个整数数组 nums，将它重
2021-11-05：摆动排序 II。给你一个整数数组 nums，将它重新排列成 nums0 < nums1 > nums2 < nums3... 的顺序。 福大大 答案2021-11-05： 需要了解快排和完美洗牌问题。 时间复杂度：O(N)。 空间复杂度：O(1)。 代码用golang编写。
29810发布于 2021-11-05 - 来自专栏Triciaの小世界
蒜头君的随机数 【C++ 的排序与去重（sort函数与unique函数）】
然后再把这些数从小到大排序，按照排好的顺序去找同学做调查。 请你协助蒜头君完成“去重”与“排序”的工作。 输入格式 共两行，第一行为一个正整数n。 Sort函数 sort函数用于C++中，对给定区间所有元素进行排序，默认为升序，也可进行降序排序。 sort函数进行排序的时间复杂度为n*log2n，比冒泡之类的排序算法效率要高，sort函数包含在头文件为#include< algorithm>的c++标准库中。 sort类函数总结: sort 对给定区间所有元素进行排序 stable_sort 对给定区间所有元素进行稳定排序 partial_sort 对给定区间所有元素部分排序 partial_sort_copy 也包含在头文件为#include< algorithm>的c++标准库中。 一般使用前需要对容器进行排序，这样才能实现对整个数组去重。
1.4K20编辑于 2023-04-12 - 来自专栏IT从业者张某某
算法05-排序算法
总结 本系列为C++算法学习系列，会介绍 算法概念与描述，入门算法，基础算法，数值处理算法，排序算法，搜索算法，图论算法， 动态规划等相关内容。本文为排序部分。 从不是空的桶子里把项目再放回原来的序列中 桶排序算法中，待排序的数据量和桶的数量并不一定是简单的“一对一”的关系，更多场景中是“多对一”的关系， 桶排序应用 我们可以利用桶来完成去重与计数的任务 解决去重问题时，只需将每个数据装入桶中后，再根据桶中是否有数据( tong[i]>0),来输出对应的桶的编号,只输出1次而不要多次输出。 所有整数去重后从低到高排序后的结果。 【样例输入】 6 11 12 12 10 11 13 【输出】 10 11 12 13 #include <bits/stdc++.h> using namespace std; int n;
60330编辑于 2023-10-16 - 来自专栏五分钟学算法
【图解数据结构】 一组动画彻底理解桶排序
桶排序 桶排序(Bucket sort)是一种基于计数的排序算法（计数排序可参考上节的内容），工作的原理是将数据分到有限数量的桶子里，然后每个桶再分别排序（有可能再使用别的排序算法或是以递回方式继续使用桶排序进行排序 排序动画过程解释 首先，设置固定数量的空桶，在这里为了方便演示，设置桶的数量为 5 个空桶 遍历整个数列，找到最大值为 56 ，最小值为 2 ，每个桶的范围为 （ 56 - 2 + 1 ）/ 5 = 11 再次遍历整个数列，按照公式 floor((数字 – 最小值) / 11) 将数字放到对应的桶中 比如，数字 7 代入公式 floor (( 7 – 2 ) / 11 ) = 0 放入 0 号桶 数字 12 代入公式 floor((12 – 2) / 11) = 0 放入 0 号桶 数字 56 代入公式 floor((56 – 2) / 11) = 4 放入 4 号桶 当向同一个索引的桶，第二次插入数据时 这样就完成了 桶排序 代码实现 为了更好的让读者用自己熟悉的编程语言来理解动画，笔者将贴出多种编程语言的参考代码，代码全部来源于网上。 C++代码实现 ? Java代码实现 ?
1.6K20发布于 2018-12-25 - 来自专栏用户5325874的专栏
基数排序原理及实战
我们之前讲的快排，时间复杂度可以做到 O(nlogn)，还有更高效的排序算法吗？桶排序、计数排序能派上用场吗？手机号码有 11 位，范围太大，显然不适合用这两种排序算法。 借助稳定排序算法，这里有一个巧妙的实现思路。还记得我们第 11 节中，在阐述排序算法的稳定性的时候举的订单的例子吗？ 我们这里也可以借助相同的处理思路，先按照最后一位来排序手机号码，然后，再按照倒数第二位重新排序，以此类推，最后按照第一位重新排序。经过 11 次排序之后，手机号码就都有序了。 根据每一位来排序，我们可以用刚讲过的桶排序或者计数排序，它们的时间复杂度可以做到 O(n)。如果要排序的数据有 k 位，那我们就需要 k 次桶排序或者计数排序，总的时间复杂度是 O(k*n)。 当 k 不大的时候，比如手机号码排序的例子，k 最大就是 11，所以基数排序的时间复杂度就近似于 O(n)。
61130发布于 2020-01-16 - 来自专栏C++教程
【Example】C++ 标准库常用容器全面概述
vector 所用的方式不在每次插入元素时，而只在额外内存耗尽时重分配。分配的内存总量可用 capacity() 函数查询。额外内存可通过对 shrink_to_fit() 的调用返回给系统。 (C++11 起) 重分配通常是性能上有开销的操作。若元素数量已知，则 reserve() 函数可用于消除重分配。 两者同样都会根据键值大小进行升序排序。 序列由哈希函数弱排序，哈希函数将此序列分区到称为存储桶的有序序列集中。 在每个存储桶中，比较函数确定任何一对元素是否具有等效的排序。 每个元素同时用作排序键和值。 哈希函数将此序列分区到称为存储桶的有序序列集中。 在每个存储桶中，比较函数将确定任一元素对是否具有等效顺序。 每个元素存储两个对象，包括一个排序键和一个值。
4.4K30编辑于 2022-04-28 - 来自专栏阿甘的码路2
极客算法训练笔记(十)，十大经典排序之计数排序、基数排序
计数排序其实是桶排序的一种特殊情况。当要排序的n个数据，所处的范围并不大的时候，比如最大值是k，我们就可以把数据划分成k个桶。每个桶内的数据值都是相同的，省掉了桶内排序的时间。 桶内的数据都是分数相同的考生，所以并不需要再进行排序。我们只需要依次扫描每个桶，将桶内的考生依次输出到一个数组中，就实现了50万考生的排序。因为只涉及扫描遍历操作，所以时间复杂度是O(n)。 ❞ 计数排序的算法思想就是这么简单跟桶排序非常类似，只是桶的大小粒度不一样。 基数排序场景 假设我们有10万个手机号码，希望将这10万个手机号码从小到大排序，用什么方法快速排序? ❝对于桶排序、计数排序，手机号码有11位，范围太大，显然不适合用这两 种排序算法。 根据这个思路，先按照最后一位来排序手机号码，然后，再按照倒数第二位重新排序，以此类推，最后按照第一位重新排序。经过11次排序之后，手机号码就都有序了。
57920发布于 2021-01-03 - 来自专栏计算机视觉理论及其实现
map/unordered_map基础用法
（3）按自定义顺序排序 通常map对传入的元素，默认是按元素中key值进行排序（即前面定义的Less<Key>），通过前面的map原型定义不难看出它同样支持按自定义的顺序进行比较排序。 //注意：不能用set来排序，因为它会去重，即其会将具有相同value值的某种语言过滤掉 multiset<CountIte, compare> sortSet; CountIte " ); v.push_back("PHP" ); v.push_back("Java" ); v.push_back("PHP" ); v.push_back("C/C+ +" ); v.push_back("C/C++" ); v.push_back("python" ); v.push_back("Java" ); v.push_back 在内部，unordered_map中的元素没有按照它们的键值或映射值的任何顺序排序，而是根据它们的散列值组织成桶以允许通过它们的键值直接快速访问单个元素（具有常数平均时间复杂度）。
3.1K30编辑于 2022-09-02 - 来自专栏蛮三刀的后端开发专栏
海量数据处理问题知识点复习手册
如果为每个所有可能的值分配1个bit，32bit的int所有可能取值需要内存空间为： 232bit=229Byte=512MB 但对于海量的、取值分布很均匀的集合进行去重，Bitmap极大地压缩了所需要的内存空间 Filter 如果说Bitmap对于每一个可能的整型值，通过直接寻址的方式进行映射，相当于使用了一个哈希函数，那布隆过滤器就是引入了k(k>1)个相互独立的哈希函数，保证在给定的空间、误判率下，完成元素判重的过程 方案1：采用2-Bitmap（每个数分配2bit，00表示不存在，01表示出现一次，10表示多次，11无意义）进行，共需内存2^32*2bit=1GB内存，还可以接受。 红黑树 平衡二叉树，广泛用在c++的stl中。如map和set都是用红黑树实现的。 b/b+树 用在磁盘文件组织 数据索引和数据库索引。 参考： http://www.cnblogs.com/huangxincheng/archive/2012/11/25/2788268.html https://blog.csdn.net/hihozoo
57020发布于 2019-03-26 - 来自专栏C/C++基础
基数排序简介及其并行化
“桶”中，藉以达到排序的作用。 主要分为两个过程： (1)分配，先从个位开始，根据位值(0-9)分别放到0~9号桶中（比如６4，个位为４，则放入４号桶中）； (2)收集，再将放置在0~9号桶中的数据按顺序放到数组中； C/C++串行版本 /******************************************************** *函数名称：GetDigitInPos *参数说明：num 一个整形数据 C/C++并行版本 基于串行版本，在Linux平台利用Pthreads实现多线程并行执行，提升基数排序的性能。 2.1并行思路 将待排序数组逻辑分块，将每个块分配给不同的线程执行，达到并行的效果。 编译命令及参数如下： icpc -std=c++11 -vec-report -O2 -o RadixSort radixSort.cpp -std=c++11：采用C++2011标准 -
2.6K10发布于 2018-08-03 - 来自专栏小樱的经验随笔
基数排序与桶排序，计数排序【详解】
桶排序简单入门篇^-^ 在我们生活的这个世界中到处都是被排序过的东东。 这种排序方法我们暂且叫它“桶排序”。因为其实真正的桶排序要比这个复杂一些，以后再详细讨论，目前此算法已经能够满足我们的需求了。 这个算法就好比有11个桶，编号从0~10。 桶排序从1956年就开始被使用，该算法的基本思想是由E.J. Issac和R.C. Singleton提出来的。之前我说过，其实这并不是真正的桶排序算法，真正的桶排序算法要比这个更加复杂! 每次分配的代价：O(n) 每次收集的代价：O(radix) 总的代价为：O(d×(n+radix)) 算法的c++ plus plus实现 基于LSD的基数排序算法： 1 #include <iostream 桶排序（bucket sort） 基本思想 桶排序的基本思想是将一个数据表分割成许多buckets，然后每个bucket各自排序，或用不同的排序算法，或者递归的使用bucket sort算法。
1.2K70发布于 2018-04-09 - 来自专栏章鱼的慢慢技术路
排序算法的实现与比较
一、最快最简单的排序——桶排序 问题：让计算机随机读入5个数然后将这5个数从大到小输出。 分析：这里只需借助一个一维数组就可以解决这个问题 首先我们需要申请一个大小为11的数组 int a[11]并初始化为0。 感受：桶排序固然快，但很浪费空间，而且不利于进行小数排序。 二、冒泡排序 基本思想：每次比较两个相邻的元素，如果它们的顺序错误就把它们交换过来。 原理：每一趟只能确定将一个数归位。 小明需要去掉其中重复的ISBN号，然后再把这些ISBN号从小到大排序，请你协助小明完成“去重”与“排序”的工作。 输入有2行，第1行为一个正整数，表示有n个同学参与调查（n<=100）。 分析：先将这n个图书的ISBN号去重，再进行从小到大的排序并输出；或者先从小到大进行排序，输出时再去重。
1.2K80发布于 2018-06-04 - 来自专栏Python七号
Python-排序-有哪些时间复杂度为O(n)的排序算法？
1、桶排序 桶排序，可以这样去理解：想像你面前有 m 个桶，有一堆待排序的 n 个数据，可以将这 n 个数据先按次序划分成 m 个区间，对应依次放入这 m 个桶里，然后对每个桶内的数据进行排序，再依次从 假如要对 100 个订单的金额进行排序，订单的金额都是整数，订单金额从 1 到 100 不等，那么可以将这 100 个订单分成 10 个区间，放到 10 个桶中，1 至 10 元的放在 1 桶，11 至 因此我们可以借助稳定的排序算法，先按照最后一位来排序手机号码，然后，再按照倒数第二位重新排序，以此类推，最后按照第一位重新排序。经过 11 次排序之后，手机号码就都有序了。 当 k 不大的时候，比如手机号码排序的例子，k 最大就是 11，所以基数排序的时间复杂度就近似于 O(n)。 13834120744 13890979666 13995122272 14759154249 15248505554 18691910549 可以看出，基数排序调用了 11 次计数排序对手机号码进行排序
1.9K20发布于 2020-12-10 - 来自专栏后端技术漫谈
海量数据处理问题知识点复习手册
如果为每个所有可能的值分配1个bit，32bit的int所有可能取值需要内存空间为： 2^32bit=2^29Byte=512MB 但对于海量的、取值分布很均匀的集合进行去重，Bitmap极大地压缩了所需要的内存空间 Filter 如果说Bitmap对于每一个可能的整型值，通过直接寻址的方式进行映射，相当于使用了一个哈希函数，那布隆过滤器就是引入了k(k>1)个相互独立的哈希函数，保证在给定的空间、误判率下，完成元素判重的过程 方案1：采用2-Bitmap（每个数分配2bit，00表示不存在，01表示出现一次，10表示多次，11无意义）进行，共需内存2^32*2bit=1GB内存，还可以接受。 红黑树 平衡二叉树，广泛用在c++的stl中。如map和set都是用红黑树实现的。 b/b+树 用在磁盘文件组织 数据索引和数据库索引。 参考： http://www.cnblogs.com/huangxincheng/archive/2012/11/25/2788268.html https://blog.csdn.net/hihozoo
66730发布于 2019-08-07 - 来自专栏跳跳爸的Abc
两个Elaticsearch查询问题分析
好了，这个时候就必须看下name这个字段的分词器了： 是个单字分词，也就是18688034559分词后为[1,8,6,8,8,0,3,4,5,5,9]，去重后得到[0,1,3,4,5,6,8,9]，而查询词 15858593403分词后为[1,5,8,5,8,5,9,3,4,0,3]，去重后得到[0,1,3,4,5,8,9]，手机号为11位，在13词范围内，所以必须要全部词元匹配，显然上面的分词结果符合要求 的统计结果再得到最终的top10结果，可能这里大家有点绕晕了，简单画个图： 假设索引有3个分片，进行一个top5统计，目的是找出值相同的记录（大多数记录值都是唯一的），如果碰巧相同值的记录分散在不同的shard且排序靠后 ，那么很可能连单shard的top5都进不去，最终结果中看不到预期的L值也很自然了。 之所以修改gt条件可以将预期结果召回，主要也是因为数据桶范围缩小，使得L值有机会进去shard的top5而已。
44520编辑于 2022-01-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号