图文并茂，5分钟学习十大排序算法 —— 桶排序、基数排序

一、性能描述

桶排序

维度	描述
时间复杂度	- 平均：O(n + k)（k为桶数量） - 最坏：O(n²)（所有元素集中在1个桶）
空间复杂度	O(n + k)（需要额外存储桶结构）
关键影响因素	- 桶的数量与数据分布的匹配度 - 桶内排序算法的选择（如插入排序 vs 归并排序）

基数排序

维度	描述
时间复杂度	O(d*(n + k))（d为最大位数，k为基数，如10进制中k=10）
空间复杂度	O(n + k)（计数排序的额外空间）
关键影响因素	- 最大位数d的大小 - 基数选择（10进制、256进制等）

二、核心差异对比

维度	桶排序	基数排序
排序方式	按数据范围分桶，桶内独立排序	按位数逐位排序（从低位到高位）
稳定性	稳定（取决于桶内排序算法是否稳定）	稳定（依赖底层计数排序的稳定性）
数据类型	适合浮点数、整数（需均匀分布）	仅适用于整数或可离散化的数据（如字符串）
空间占用	桶数量多时空间开销较大	空间固定（由基数和数据量决定）
预处理成本	需要合理设计桶的划分策略	需要计算最大位数

三、适用场景

桶排序

均匀分布数据
数据分布均匀时，分桶后各桶元素数量均衡，效率接近线性。
示例场景：
- 对年龄在0~100岁的人群按年龄段分组排序
- 对0~1之间的浮点数排序（如科学计算中的采样数据）
外部排序（数据量极大）
桶排序可将数据分到不同文件（桶），逐批加载到内存排序，适合处理超出内存的数据。
示例场景：
- 大型日志文件按时间范围分块排序
非比较型排序需求
当数据比较成本高时，桶排序通过分桶避免直接比较。

基数排序

固定位数整数排序
当整数位数固定或范围可控时，基数排序效率极高。
示例场景：
- 手机号排序（11位固定长度）
- 身份证号排序（18位固定长度）
多关键字排序
可逐位（或逐字段）排序，适合多维度排序需求。
示例场景：
- 先按月份、再按日期对日期列表排序
- 按优先级+时间戳对任务排序
稳定排序需求
需要保持相同元素的原始顺序时，基数排序天然稳定。

四、实际代码差异示例

桶排序处理浮点数

public static void bucketSortForFloats(float[] arr) {
    int n = arr.length;
    List<Float>[] buckets = new ArrayList[n];
    
    for (int i = 0; i < n; i++) {
        buckets[i] = new ArrayList<>();
    }
    
    // 分桶（假设数据在0~1之间）
    for (float num : arr) {
        int bucketIdx = (int) (num * n);
        buckets[bucketIdx].add(num);
    }
    
    // 对每个桶排序并合并
    int idx = 0;
    for (List<Float> bucket : buckets) {
        Collections.sort(bucket);
        for (float num : bucket) {
            arr[idx++] = num;
        }
    }
}

基数排序处理字符串

public static void radixSortForStrings(String[] arr) {
    int maxLength = Arrays.stream(arr).mapToInt(String::length).max().orElse(0);
    
    for (int i = maxLength - 1; i >= 0; i--) {
        countingSortByCharacter(arr, i);
    }
}

private static void countingSortByCharacter(String[] arr, int charIdx) {
    int n = arr.length;
    String[] output = new String[n];
    int[] count = new int[256]; // ASCII范围
    
    for (String s : arr) {
        int c = (charIdx < s.length()) ? s.charAt(charIdx) : 0;
        count[c]++;
    }
    
    for (int i = 1; i < 256; i++) {
        count[i] += count[i - 1];
    }
    
    for (int i = n - 1; i >= 0; i--) {
        String s = arr[i];
        int c = (charIdx < s.length()) ? s.charAt(charIdx) : 0;
        output[count[c] - 1] = s;
        count[c]--;
    }
    
    System.arraycopy(output, 0, arr, 0, n);
}

五、总结

算法	优势	劣势	长青场景
桶排序	灵活处理浮点数、适合外部排序	依赖数据分布，桶划分策略敏感	均匀分布数据、大数据分块处理
基数排序	高效处理固定位数整数、天然稳定	仅限离散化数据、预处理成本较高	手机号/身份证号排序、多关键字排序需求