排序

概念

排序，就是使一串记录，按照其中的某个 或 某些关键字的大小，递增 或 递减 的 排列起来的操作。
平时的上下文中，如果提到排序，通常指的是 排升序（非降序）。
通常意义上的排序，都是指的原地排序（in place sort）
原地排序：就是指在排序过程中不申请多余的存储空间，只利用原来存储待排数据的存储空间进行比较和交换的数据排序。

---

稳定性（重要）

两个相等的数据，如果经过排序后，排序算法能保证其相对位置不发生变化，则我们称该算法是具备稳定性的排序算法。

---

应用 - 举例

1.、各大商城的价格从低到高等

---

2、中国大学排名

---

常见的排序算法（8 种）- 总览

---

直接插入排序

插入排序：非常简单！仅次于冒泡排序。

根据这个思维：第一个数据是有序的，也就是说：在我们遍历的时候，是从下标1 开始的。
具体的操作见下图：

---

模拟实现 - 插入排序

import java.util.Arrays;public class DirectInsertionSort {/** 时间复杂度： O(N^2)* 最好情况： O(N) 数组有序的情况* 空间复杂度：O(1)  只有 一个 tmp 变量是常驻的* 稳定性：稳定* */public static void insertionSort(int[] array){for(int i = 1;i < array.length;i++){int tmp = array[i];int j = i - 1;for( ; j >= 0;j-- ){// 前移if(tmp < array[j]){array[j + 1] = array[j];}else{break;}}// 插入【无论是找到了合适插入的位置，还是不存在比 tmp更小的值，j自减到 -1.执行的代码都是一样的】array[j+1] = tmp;}}public static void main(String[] args) {int[] array = {23,45,56,68,8,9};insertionSort(array);System.out.println(Arrays.toString(array));}}

---

稳定性分析

---

结论

一个稳定的排序，可以实现为 不稳定的排序。
但是，一个本身就不稳定的排序是 无法变成 稳定的排序。
直接插入排序 是 有序的。
它的时间复杂度是 O(N^2)；最好情况:O(N【数组有序】
也就是说：对于直接插入排序，数据越有序越快！
由此，不难联想到：直接插入排序 有时候 会用于 优化 排序。
【假设：假设我们有一百万个数据需要排序，在排序的过程中，区间越来越小，数据越来越有序。直接插入排序的时间复杂度为 O(N),N 越来越小，那么，使用 直接插入排序是不是越来越快！也就是说：直接插入排序 有时候会 用于 排序优化】
直接插入排序经常使用在 数据量不多，且整体数据趋于有序的。

import java.util.Random;public class DirectInsertionSort {/** 时间复杂度： O(N^2)* 空间复杂度：O(1)  只有 一个 tmp 变量是常驻的* 稳定性：稳定* */public static void insertionSort(int[] array){for(int i = 1;i < array.length;i++){int tmp = array[i];int j = i - 1;for( ; j >= 0;j-- ){if(tmp < array[j]){array[j + 1] = array[j];}else{break;}}array[j+1] = tmp;}}// 有序public static void test1(int capacity){int[] array = new int[capacity];for (int i = 0; i < capacity; i++) {array[i] = i;}// 记录开始排序开始时间long start = System.currentTimeMillis();insertionSort(array);// 记录开始排序结束时间long end = System.currentTimeMillis();// 输出 整个排序过程的时间System.out.println(end - start);}// 无序public static void test2(int capacity){int[] array = new int[capacity];Random random = new Random();for (int i = 0; i < capacity; i++) {array[i] = random.nextInt(capacity);}// 记录开始排序开始时间long start = System.currentTimeMillis();insertionSort(array);// 记录开始排序结束时间long end = System.currentTimeMillis();// 输出 整个排序过程的时间System.out.println(end - start);}public static void main(String[] args) {test1(10000);test2(10000);}
}

---

希尔排序

思考

假设，现有 1 00 00 个 数据，如果对着组数据进行排序，使用插入排序。
时间复杂度为 O(N^2)【最坏情况：逆序的情况】
故 1 00 00 * 1 00 00 == 1 亿（量化）
它不是 1 万个数据嘛。那么，我们可以不可以这么去想：将这 一万个数据拆分成 100 组【每组100个数据】，对其中一组进行直接插入排序的时间复杂度为 100*100 ==1 00 00（量化），这样的分组还有99个，也就是将这一百组使用直接插入排序的时间复杂度为 1 00 00 * 1 00 = 1 百万（量化）。
有没有发现，分组过后，时间复杂度效率 提高很多，由1亿 变成了 1百万。
也就是说：如果采用分组的思想，我们会发现 时间复杂度会有一个很大的改变。
而这种分组的思想 就是 希尔排序。

原理

希尔排序又称缩小增量法。希尔排序法的基本思想是：先选定一个整数 n，把待排序文件中所有数据分成 n 组，所有距离为 数据量 / n 的 分在同一组。并且对每一组内的数据进行排序。然后，重复上述 分组 和 排序工作。当分组的组数为 1 是，所有数据 在进行 一个排序。

1、希尔排序 是对直接插入排序的优化。
2、当 group > 1 时都是预排序，目的是让数组更接近于有序。当 group == 1时，数组已经接近有序了，这样就会更快。对于整体而言，可以达到优化的效果。
那么，问题来了！我们怎去确定分多少组，而且越分越少。
【取自清华大学出版的一本书《数据结构》】

---

科学家的分组思维

现在这组数据，我们相当于只排序了一组数据，就走人了。数组整体还不是有序的。那么，我们该怎么解决这个问题？往下看！

---

模拟实现 - 希尔排序

import java.util.Arrays;public class ShellSort {/** 时间复杂度和增量有关系，所以无法得出准确的时间复杂度* 但只需要记住：在一定的范围里，希尔排序的时间复杂度为 O(N^1.3 ~ N^1.5)* 空间复杂度为 O(1)* 稳定性：不稳定* 判断稳定性的技巧：如果在比较的过程中 发生了 跳跃式交换。那么，就是不稳定的排序。* */public static void shell(int[] array,int group){for (int i = group; i < array.length; i += 1) {int tmp = array[i];int j = i-group;for (; j >= 0; j-=group) {if(tmp < array[j]){array[j+group] = array[j];}else{break;}}array[j+group] = tmp;}}public static void shellSort(int[] array){int group = array.length;// 预排序while(group > 1){// 第一次分组委 数组的长度，即 头尾判断。// 其后，每次分组个数，缩小一倍。shell(array,group);group /= 2;}// 最后调整shell(array,1);}public static void main(String[] args) {int[] array ={12,5,9,34,6,8,33,56,89,0,7,4,22,55,77};shellSort(array);System.out.println(Arrays.toString(array));}
}

---

总结

其实 希尔排序就是一个直接插入排序。

---

选择排序

直接选择排序 - 原理

---

优化

定义 一个 变量， 用来记录 此时的 i 后面最小值的下标。等 j 遍历完了，最小值的下标也就拿到了。此时，再进行交换。
这样就不必让上面那样，遇到比 i下标元素 小的，就交换。

---

代码如下

import java.util.Arrays;public class SelectSort {/** 稳定性： 不稳定 见附图* 时间复杂度：O(N^2) 》》 外层循环 n -1，内层循环 n -1* 空间复杂度：O(1)* */public static void selectSort(int[] array){for (int i = 0; i < array.length-1; i++) {int index = i;for (int j = i + 1; j < array.length; j++) {if(array[index] > array[j]){index = j;}}int tmp = array[i];array[i] = array[index];array[index] = tmp;}}public static void main(String[] args) {int[] array = {12,6,10,3,5};selectSort(array);System.out.println(Arrays.toString(array));}
}

附图

---

双向选择排序 （了解）

每一次从无序区间选出最小 + 最大的元素，存放在无序区间的最前和最后，直到全部待排序的数据元素排完 。

---

代码如下

import java.util.Arrays;public class SelectSortOP {public static void selectSortOP(int[] array){int low = 0;int high = array.length - 1;// [low,high] 表示整个无序区间while(low < high){int min = low;int max = low;for (int i = low+1; i <= high; i++) {if(array[i] < array[min]){min = i;}if(array[i] > array[max]){max = i;}}swap(array,min,low);if(max == low){max = min;}swap(array,max,high);low++;high--;}}public static void swap(int[] array,int x,int y){int tmp = array[x];array[x] = array[y];array[y] = tmp;}public static void main(String[] args) {int[] array = {9, 5, 2, 7, 3, 6, 8 };selectSortOP(array);System.out.println(Arrays.toString(array));}
}

---

堆排序

基本原理也是选择排序，只是不在使用遍历的方式查找无序区间的最大的数，而是通过堆来选择无序区间的最大的数。
注意： 排升序要建大堆；排降序要建小堆.
这个我就不讲，因为我在堆/优先级中讲的很清楚！
有兴趣的，可以点击 链接关键字 ，跳转到该文章，该内容在 文章目录最后面。
这里我们就直接上代码。

---

代码

import java.util.Arrays;public class HeapSort {public static void main(String[] args) {int[] array = {12,8,5,4,10,15};creationHeap(array);// 建堆的时间复杂度：O(N)System.out.println(Arrays.toString(array));heapSort(array);// 堆排序的时间复杂度：O(N * log2 N)// 空间复杂度：O(1)System.out.println(Arrays.toString(array));}// 创建一个大根堆public static void creationHeap(int[] array){for (int parent = (array.length-1-1)/2; parent >= 0; parent--) {shiftDown(array,parent,array.length);}}public static void heapSort(int[] array){/** 时间复杂度：O(N * log2 N)* 空间复杂度：O(1)* 稳定性：不稳定* */int end = array.length - 1;while(end>0){int tmp = array[end];array[end] = array[0];array[0] = tmp;shiftDown(array,0,end);end--;}}// 向下调整public static void shiftDown(int[] array,int parent,int len){int child = parent * 2 + 1;// 做孩纸while(child < len){// 获取左右子树最大值的下标if(child+1 < len && (array[child] < array[child+1])){child++;}if(array[child] > array[parent]){int tmp = array[child];array[child] = array[parent];array[parent] = tmp;parent = child;child = parent * 2 + 1;}else{break;}}}
}

---

冒泡排序

---

代码如下 - 未优化

import java.util.Arrays;/** 时间复杂度：O(N^2) 【无论是最好情况，还是最坏情况，时间复杂度都不变】* 空间复杂度：O(1)* 稳定性：稳定【未发生跳跃式交换】* */
public class BubbleSort {public static void bubbleSort(int[] array){// 比较的趟数 = 数组的长度 - 1 【 0 ~ 3 一共 4趟】for (int i = 0; i < array.length-1; i++) {// 比较完一趟后，可以比较的元素个数减一。【因为靠后的数据已经有序】// 内循环中，之所以要减一个 1，是因为防止 下面的if语句 发生 数组越界异常for(int j = 0;j< array.length-1-i;j++){if(array[j] > array[j+1]){int tmp = array[j];array[j] = array[j+1];array[j+1] = tmp;}}}}public static void main(String[] args) {int[] array = {12,6,10,3,5};bubbleSort(array);System.out.println(Arrays.toString(array));}
}

---

代码优化思维

---

代码如下 - 优化

import java.util.Arrays;public class BubbleSort {/** 时间复杂度：O(N^2)* 最好情况【数组有序】可以达到 O(N)* 空间复杂度：O(1)* 稳定性：稳定【未发生跳跃式交换】* */public static void bubbleSort(int[] array){for (int i = 0; i < array.length-1; i++) {boolean flag = true;for(int j = 0;j< array.length-1-i;j++){if(array[j] > array[j+1]){int tmp = array[j];array[j] = array[j+1];array[j+1] = tmp;flag = false;// 表示这一趟比较，数组是无序的}}// flag == trueif(flag){break;}}}public static void main(String[] args) {// 前半段无序，后半段有序int[] array = {2,3,1,4,5};bubbleSort(array);System.out.println(Arrays.toString(array));}
}

---

未优化 和 优化代码 运行速度比较

public class BubbleSort {// 优化public static void bubbleSort2(int[] array){for (int i = 0; i < array.length-1; i++) {boolean flag = true;for(int j = 0;j< array.length-1-i;j++){if(array[j] > array[j+1]){int tmp = array[j];array[j] = array[j+1];array[j+1] = tmp;flag = false;}}// flag == trueif(flag){break;}}}// 未优化public static void bubbleSort1(int[] array){for (int i = 0; i < array.length-1; i++) {for(int j = 0;j< array.length-1-i;j++){if(array[j] > array[j+1]){int tmp = array[j];array[j] = array[j+1];array[j+1] = tmp;}}}}public static void main(String[] args) {int[] array = new int[10000];for (int i = 0; i < array.length; i++) {array[i] = i;}long start = System.currentTimeMillis();bubbleSort2(array);// 优化long end = System.currentTimeMillis();System.out.println(end - start);// 输出排序所需时间start = System.currentTimeMillis();bubbleSort1(array);// 未优化end = System.currentTimeMillis();System.out.println(end - start);//输出排序所需时间}
}

---

快速排序 - 重点

原理

1、从待排序区间选择一个数，作为基准值（pivot）
2、Partition（分割）：遍历整个待排序区间，将比基准值小的（可以包含相等的）放到基准值的左边，将比基准值大的（可以包含相等的）放到基准值的右边。
3、采用分治思想，对左右两个小区间按照同样的方式处理，直到小区间的长度 == 1.代表已经有序，或者小区间的长度 == 0，代表没有数据。

---

总结

快速排序，其实说白了 和二叉树]很像，先根，再左，后右。利用递归去实现！

---

程序框架

public class QuickSort {public static void quickSort(int[] array){quick(array,0, array.length);}public static void quick(int[] array,int start,int end){if(start >= end){return;}int pivot = partiton(array,start,end);quick(array,start,pivot-1);// 递归左边quick(array,pivot+1,end);// 递归右边}// 分割 - 找基准private static int partiton(int[] array,int start,int end){}
}

---

完善 partition 部分

    // 分割 - 找基准private static int partiton(int[] array,int start,int end){int tmp = array[start];while(start < end){while(start < end && array[end] >= tmp){end--;}// 此时 end 下标 元素的值 是 小于 tmp的。array[start] = array[end];while(start<end && array[start] <= tmp){start++;}//此时 start 下标元素的值 是 大于 tmp的。array[end] = array[start];}// start 和 end 相遇了，将 tmp 赋予 它们相遇下标指向的空间array[start] = tmp;return start;}

---

代码细节部分

---

总程序 - 未优化

import java.util.Arrays;public class QuickSort {/** 时间复杂度：O(N^2) 【数据有序或者逆序的情况】* 最好情况【每次可以均匀的分割待排序序列】：O(N * log2 N)* 空间复杂度：O(N)[单分支的一棵树]* 最好：log2 N* 稳定性：不稳定* */public static void quickSort(int[] array){quick(array,0, array.length-1);}public static void quick(int[] array,int start,int end){if(start >= end){return;}int pivot = partiton(array,start,end);quick(array,start,pivot-1);// 递归左边quick(array,pivot+1,end);// 递归右边}// 分割 - 找基准private static int partiton(int[] array,int start,int end){int tmp = array[start];while(start < end){while(start < end && array[end] >= tmp){end--;}// 此时 end 下标 元素的值 是 小于 tmp的。array[start] = array[end];while(start<end && array[start] <= tmp){start++;}array[end] = array[start];}array[start] = tmp;return start;}public static void main(String[] args) {int[] array = {6,1,2,7,9,3,4,5,10,8};quickSort(array);System.out.println(Arrays.toString(array));}
}

---

快速排序 的 时间 与 空间复杂度分析

---

堆排序 与 快排 的区别

细心的朋友会发现 堆排序 和 快排 的 时间复杂度在最好情况下 都是N* log2 N。
那么，两者又有什么区别？
堆排序，无论最好还是最坏情况，时间复杂度都是N* log2 N。空间复杂度 O(1)
那么，又为什么快排 比 堆排序 要快？
其实再细一点说 ：在两个排序的时间复杂度都为 N* log2 N时，其实连着前面还有 一个 k【K * N* log2 N 】，只不过快排前面的K要小一点。所以快排要快一点。
在对空间复杂度没有要求的情况： 快排
对空间复杂度有要求的情况，或者说对数据的序列也要要求： 堆排

---

细节拓展

if语句中 比较大小的代码中 等号是不能省略的

当 下面框选的代码 没有等号时，会造成死循环。

我就改了一下，末尾元素的值。

那么，问题来了：为什么没有等号就死循环了？

所以，在 写快排的时候，比较大小的代码，记住一定要加上等号！！！！！

---

目前版本的 快排代码 不支持 大量数据进行排序 - 会导致栈溢出。

这是因为 我们递归的太深了，1百万数据，4百万字节。
1TB等于1024GB;1GB等于1024MB;1MB等于1024KB;1KB等于1024Byte(字节);1Byte等于8bit(位);

有的朋友会说：这才多大啊？栈怎么会被挤爆？
这是因为在递归的时候，开辟的栈帧【函数的信息，参数等等等…都有】，所以，每次开辟的栈帧不止 4byte。故栈被挤爆了。

所以，我们要优化快排的 代码。【优化：数据有序的情况】

---

基准值的选择 - 优化前的知识补充

1、选择边上（左或者右） 【重点，上面使用的就是这种方法】
2、随机选择（针对 有序数据）【了解】

3、几数取中（常见的就是三数取中）：array[left]，array[mid] ，array[right]中 大小为 中间值的为基准值【优化的关键】

---

快速排序（几数取中法 优化）

import java.util.Arrays;public class QuickSort {/** 时间复杂度：O(N^2) 【数据有序或者逆序的情况】* 最好情况【每次可以均匀的分割待排序序列】：O(N * log2 N)* 空间复杂度：O(N)[单分支情况]* 最好：log2 N* 稳定性：不稳定* */public static void quickSort(int[] array){quick(array,0, array.length-1);}public static void quick(int[] array,int start,int end){if(start >= end){return;}// 在找基准之前，先确定 start 和 end 的 中间值。[三数取中法]int midValIndex = findMidValIndex(array,start,end);//将它 与 start 交换。这样后面的程序，就不用改动了。swap(array,start,midValIndex);int pivot = partiton(array,start,end);quick(array,start,pivot-1);// 递归左边quick(array,pivot+1,end);// 递归右边}// 确定基准值下标private static int findMidValIndex(int[] array,int start,int end){// 确定 start 和 end 的中间下标int mid = start + ((end - start)>>>1);// == （start + end）/ 2// 确定 mid、start、end 三个下标，谁指向的元素是三个元素中的中间值if(array[end] > array[start]){if(array[start] > array[mid]){return start;}else if(array[mid] > array[end]){return end;}else{return mid;}}else{// array[start] >= array[end]if(array[end] > array[mid]){return end;}else if(array[mid] > array[start]){return start;}else {return mid;}}}// 交换两个下标元素private static void swap(int[] array,int x,int y){int tmp = array[x];array[x] = array[y];array[y] = tmp;}// 分割 - 找基准private static int partiton(int[] array,int start,int end){int tmp = array[start];while(start < end){while(start < end && array[end] >= tmp){end--;}// 此时 end 下标 元素的值 是 小于 tmp的。array[start] = array[end];while(start<end && array[start] <= tmp){start++;}array[end] = array[start];}array[start] = tmp;return start;}// 有序public static void test1(int capacity){int[] array = new int[capacity];for (int i = 0; i < capacity; i++) {array[i] = i;}long start = System.currentTimeMillis();quickSort(array);long end = System.currentTimeMillis();System.out.println(end - start);}public static void main(String[] args) {test1(100_0000);int[] array = {6,1,2,7,9,3,4,5,10,6};quickSort(array);System.out.println(Arrays.toString(array));}
}

---

优化总结

1、选择基准值很重要，通常使用几数取中法
2、partition 过程中把和基准值相等的数也选择出来

3、待排序区间小于一个阈(yù)值【临界值】

随着不断的划分基准，数组逐渐趋于有序，而区间随着递归也在减小。所以，利用 直接插入排序的特性【越有序越快】，来进一步优化 快排。

---

拓展 快速排序 - 非递归实现

非递归实现快速排序的思维

---

代码如下

import java.util.Arrays;
import java.util.Stack;public class QuickSortNonRecursion {public static void quickSort(int[] array){Stack<Integer> stack = new Stack<>();int left = 0;int right = array.length-1;int pivot = partiton(array,left,right);if(pivot > left+1){stack.push(left);stack.push(pivot-1);}if(pivot < right -1){stack.push(pivot+1);stack.push(right);}while(!stack.isEmpty()){right = stack.pop();left = stack.pop();pivot = partiton(array,left,right);if(pivot>left+1){stack.push(left);stack.push(pivot-1);}if (pivot<right-1){stack.push(pivot+1);stack.push(right);}}}public static int partiton(int[] array,int start,int end){int tmp = array[start];while(start<end){while(start<end && array[end] >=tmp){end--;}array[start] = array[end];while (start<end && array[start] <= tmp){start++;}array[end] = array[start];}array[start] = tmp;return start;}public static void main(String[] args) {int[] array = {12,5,8,1,10,15};quickSort(array);System.out.println(Arrays.toString(array));}
}

---

归并排序 - 重点

知识铺垫 ： 二路合并

将两个有序表合并成一个有序表，称为二路归并。【简单说就是 将两个有序数组合并为一个有序数组，称为二路合并】

---

二路合并的代码如下

import java.util.Arrays;public class MergeSort {/*
* array1 已有序
* array2 已有序
* */public static int[] mergeArrays(int[] array1,int[] array2){if(array1 == null || array2 == null){return array1 == null ? array2: array1;}int[] arr = new int[array1.length + array2.length];int i = 0;// arr 的 遍历变量int s1 = 0;//array1 的 遍历变量int s2 = 0;//array2 的 遍历变量while(s1 < array1.length && s2 < array2.length){if(array1[s1] > array2[s2]){arr[i++] = array2[s2++];
//                s2++;
//                i++;}else{arr[i++] = array1[s1++];
//                s1++;
//                i++;}}// 循环结束，有一个数组的元素已经全部存入// 接下来就是将另一个数组的元素放入 arr 中while (s1 < array1.length){arr[i++] = array1[s1++];
//            i++;
//            s1++;}while (s2 < array2.length){arr[i++] = array2[s2++];
//            i++;
//            s2++;}return arr;}public static void main(String[] args) {int[] array1 = {1,6,7,10};int[] array2 = {2,3,4,9};int[] mergeArray = mergeArrays(array1,array2);System.out.println(Arrays.toString(mergeArray));}
}

---

归并排序 - 原理

归并排序（MERGE - SORT）是建立在归并操作上的一种有效的排序算法，该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。

---

难点1 - 如何将一个数组拆分成一个个单独数组【每个数组里只包含一个元素】。

---

难点2 - 合并

---

归并排序的程序框架

public class MergeSort {// 归并排序的调用“接口”public static int[] mergeSort(int[] array){if(array == null){return array;}mergeSortFunc(array,0,array.length-1);return array;}// 归并排序实现private static void mergeSortFunc(int[] array,int low,int high){if(low >= high){return;}// 递归分解
//       int mid = (high + low) >>> 1int mid = low + ((high - low) >>> 1);mergeSortFunc(array,low,mid);// 左边mergeSortFunc(array,mid+1,high);// 右边// 合并merge(array,low,mid,high);}private static void merge(int[] array,int low,int mid,int high){}
}

---

合并程序的完善

其实这个并不难，跟我前面做的知识铺垫的思路是一样的。
需要注意的是：
1、我们的参数中 只有一个数组
2、数组 arr ，只是一个临时数组，用来存储 合并之后的结果。
3、在将 arr 数组 存储的结果，转移到 原本数组的时候，注意赋值的位置！

    private static void merge(int[] array,int low,int mid,int high){// 获取 区间之内的元素个数，加一 是因为 零下标元素也算一个元素。int[] arr = new int[high - low +1];// 左边 区间 【你可以理解为 有序数组 array1的起始与结束下标位置】int start1 = low;int end1 = mid;// 右边 区间【你可以理解为 有序数组 array2的起始与结束下标位置】int start2 = mid+1;int end2 = high;int i = 0;while (start1 <= end1 && start2 <= end2){if(array[start1] > array[start2]){arr[i++] = array[start2++];}else{arr[i++] = array[start1++];}}while(start1 <= end1){arr[i++] = array[start1++];}while(start2 <= end2){arr[i++] = array[start2++];}// 将 arr 存储的 合并数据，转换到原本数组上。// 注意 array 数组中括号的下标的位置。for (int j = 0; j < arr.length; j++) {array[low++] = arr[j];}}

---

附图

---

归并排序 - 总程序

import java.util.Arrays;public class MergeSort {/** 时间复杂度：N * log2 N* 空间复杂丢：O(N)* 稳定性：稳定* */public static int[] mergeSort(int[] array){if(array == null){return array;}mergeSortFunc(array,0,array.length-1);return array;}private static void mergeSortFunc(int[] array,int low,int high){if(low >= high){return;}
//       int mid = (high + low) >>> 1int mid = low + ((high - low) >>> 1);mergeSortFunc(array,low,mid);// 左边mergeSortFunc(array,mid+1,high);// 右边merge(array,low,mid,high);}private static void merge(int[] array,int low,int mid,int high){int[] arr = new int[high - low +1];int start1 = low;int end1 = mid;int start2 = mid+1;int end2 = high;int i = 0;while (start1 <= end1 && start2 <= end2){if(array[start1] > array[start2]){arr[i++] = array[start2++];}else{arr[i++] = array[start1++];}}while(start1 <= end1){arr[i++] = array[start1++];}while(start2 <= end2){arr[i++] = array[start2++];}for (int j = 0; j < arr.length; j++) {array[low++] = arr[j];}}public static void main(String[] args) {int[] array = {1,6,7,10,2,3,4,9};mergeSort(array);System.out.println(Arrays.toString(array));}
}

---

归并排序 - 时间与空间复杂度分析、稳定性

---

归并排序 - 非递归实现

---

代码如下

import java.util.Arrays;public class MergeSortNonRecursion {public static void mergeSort(int[] array){//归并排序非递归实现int groupNum = 1;// 每组的数据个数while(groupNum < array.length){// 无论数组含有几个元素， 数组每次都需要从下标 0位置，开始遍历。for(int i = 0;i<array.length;i+= groupNum * 2){int low = i;int mid = low + groupNum -1;// 防止越界【每组的元素个数，超过了数组的长度】if(mid >= array.length){mid = array.length-1;}int high = mid + groupNum;// 防止越界【超过了数组的长度】if(high >= array.length){high = array.length-1;}merge(array,low,mid,high);}groupNum *= 2;//每组的元素个数扩大到原先的两倍。}}public static void merge(int[] array,int low,int mid,int high){// high 与 mid 相遇，说明 此时数组分组只有一组，也就说没有另一组的数组与其合并// 即数组已经有序了，程序不用再往下走。if(high == mid){return;}int[] arr = new int[high -low + 1];int start1 = low;int end1 = mid;int start2 = mid+1;int end2 = high;int i = 0;while(start1 <= end1 && start2 <= end2){if(array[start1]>array[start2]){arr[i++] = array[start2++];}else{arr[i++] = array[start1++];}}while (start1 <= end1){arr[i++] = array[start1++];}while(start2 <= end2){arr[i++] = array[start2++];}for (int j = 0; j < arr.length; j++) {array[low++] = arr[j];}}public static void main(String[] args) {int[] array = {12,5,8,7,3,4,1,10};mergeSort(array);System.out.println(Arrays.toString(array));}
}

---

海量数据的排序问题

外部排序：排序过程需要在磁盘等外部存储进行的排序
【内部排序：排序过程需要在 内存上进行排序】
前提：内存只有 1G，需要排序的数据有 100G
因为内存中无法把所有数据全部放下，所以需要外部排序，而归并排序是最常用的外部排序。
1、先把文件切分成 200 份，每个512M

2、分别对 512M 的数据量 进行排序，因为 内存已经被分割了，512M < 1G 内存放得下。所以任何排序方式都可以，
3、进行 200 路归并，同时对 200 份有序文件做归并过程，最终结果就有序了

---

小总结

目前，我们讲了八种排序：直接插入排序、希尔排序、直接选择排序，双向选择排序、冒泡排序，堆排序、快速排序，归并排序。
其中稳定的排序：插入排序，冒泡排序，归并排序，一共三种。
?
另外，堆排序、归并排序、快速排序的时间复杂度都是 N * log2 N。
如果，你想速度快，就用快排。
如果，你想稳定，就用归并。
如果，你想空间复杂度低，就用堆排。

---

排序总结

排序方法	最好（时间复杂度）	平均（时间复杂度）	最坏（时间复杂度）	空间复杂度	稳定性
冒泡排序	O(N)	O(N^2)	O(N^2)	O(1)	稳定
插入排序	O(N)	O(N^2)	O(N^2)	O(1)	稳定
选择排序	O(N^2)	O(N^2)	O(N^2)	O(1)	不稳定
希尔排序	O(N)	O(N^1.3)	O(N^2)	O(1)	不稳定
堆排序	O(N * log2 N)	O(N * log2 N)	O(N * log2 N)	O(1)	不稳定
快速排序	O(N * log2 N)	O(N * log2 N)	O(N ^ 2)	O(N)	不稳定
归并排序	O(N * log2 N)	O(N * log2 N)	O(N * log2 N)	O(N)	稳定

---

不常见的排序 - 不基于比较的排序（了解）

基数排序

它的思路：假设待排序的数据类型是 整形/十进制数，每个数据 分别按照 个，百，千，万的大小，放入拿出对应编号空间，其最终的结果就是有序的。
放入拿出的次数 取决于 这组数据中 最大值的位数。

---

代码如下

import java.util.Arrays;public class RadixSort {
//  基数排序功能 实际功能实现方法private static void radixSortFunc(int[] array,int maxDigit){int mode = 10 ; // 十进制int divide = 1;// 将 数值上的每个数“分割”，方便获取数据的一个位上的值// 每个数据从个位到最大值的最高位，按照其位上的大小 放出 拿出for (int i = 0; i < maxDigit; i++,mode *= 10,divide *=10) {// 考虑 负数的 情况，0~9 对应负数，10 ~ 19 对应正数// 行 对应的是编号， 列 对应的存储的数据int[][] counter = new int[mode*2][0];for (int j = 0; j < array.length; j++) {int number = ((array[j] % mode)/divide) + mode; /*获取 数据对应 空间的编号 */counter[number] = arrayAppend(counter[number],array[j]);}int pos = 0;for (int[] number:counter) {for (int val:number) {array[pos++] = val;}}}}// 添加 元素private static int[] arrayAppend(int[] arr,int value){arr = Arrays.copyOf(arr,arr.length+1);arr[arr.length-1] = value;return  arr;}// 基数排序 功能调用方法“窗口”public static void radixSort(int[] array){int maxNumLength = getNumLength(array);radixSortFunc(array,maxNumLength);}// 获取最大值的位数 - 功能“窗口”private static int getNumLength(int[] array){int maxVal = getMaxValue(array);return getMaxDigit(maxVal);}//获取最大值private static int getMaxValue(int[] array){int maxValue= array[0];for (int value: array) {if(value > maxValue){maxValue = value;}}return maxValue;}// 获取最大值的位数 - 执行private static int getMaxDigit(int num){if(num == 0){return 0;}int len = 0;while(num > 0){len++;num /= 10;}return len;}// 程序入口public static void main(String[] args) {int[] array = {124,366,170,52,200,78,468};radixSort(array);System.out.println(Arrays.toString(array));}
}

---

捅排序

---

计数排序

在使用 计数排序时，需注意以下几点：
1、确定基数排序的大小
2、这个计数排序 适用的范围【假设数据中最小值 10000，最大 12000，那么，我们的计数数组容量只需要2001（0 下标也算入） 就够了。不需要创建 12000容量，避免空间浪费】
计数数组 计数也简单，用元素值减去 10000（最小值） 就行了
3、必须找到数据中的最大值 和 最小值，锁定计数数组的长度：max - min + 1
4、 拿出数据的时候，记得将减去的 最小值 加上，再进行对原始数组的覆写。

---

代码如下

import java.util.Arrays;
/*
* 时间复杂度：O(N)
* 空间复杂度: O(M) : M 表示 当前数据的范围
* 【空间 换 时间】
* 稳定性： 当前代码是不稳定，本质是稳定的。
* 在借助一个 数组来存储 每个元素排序后，最后出现的位置，
* 拿出来的时候，就能确定位置。致使该排序 稳定。 - 见附图
* */
public class CountingSort {public static void countingSort(int[] array){int maxVal = array[0];int minVal = array[0];for (int i = 0; i < array.length; i++) {if (array[i] > maxVal){maxVal = array[i];}if(array[i] < minVal){minVal =array[i];}}// 当循环结束，获得了 数据的最大值 和 最小值// 可以确定计数数组的容量int[] count = new int[maxVal -minVal +1];for (int i = 0; i < array.length; i++) {// 提高空间利用率count[ array[i] - minVal ]++;}// 此时，计数数组 已经把array数组当中，每个元素的出现次数统计好了// 接下来，只需要遍历计数数组，把 数据 覆写 到 array当中。int indexArray = 0; // 用于遍历 array数组，标记 覆写的位置。for (int i = 0; i < count.length; i++) {while(count[i]>0){// 这里一定要加上减去minVal，因为 下标 i 不一定 在 array 数组中出现过。array[indexArray++] = i + minVal;// 拿出来的时候，记得将减去的值加上// indexArray++;count[i]--;}}}public static void main(String[] args) {int[] array = {5,0,2,3,4,5,2};countingSort(array);System.out.println(Arrays.toString(array));}
}

---

附图 - 是目前的计数排序稳定