1. 桶排序的底层思维与适用边界
1.1 桶排序到底在做什么
桶排序(Bucket Sort)这个名字听起来有点“土”,但它背后的思想其实很实用。说白了,它就是把一堆数据先按照某种规则扔进几个“桶”里,让每个桶里的数据量都不要太大,然后对每个桶分别排序,最后再把桶按顺序拼起来。整个过程可以类比成整理办公室里的文件——先把文件按年份分成几堆,每堆再按月份排一下,最后堆与堆之间自然就是有序的。
这个思路的关键在于“分桶”这个动作。如果你能设计一个合理的分桶规则,让数据均匀地散落到各个桶里,那么每个桶里的数据量就会很小。对少量数据做排序,哪怕用最简单的插入排序,代价也非常低。最后把桶依次拼接,整体就有序了。
从时间复杂度上看,桶排序在理想情况下的表现是 O(n + k),其中 n 是数据总量,k 是桶的个数。这个复杂度看起来比快排的 O(n log n) 还要好,这也是它在特定场景下被选中的根本原因。
但这里有个前提:数据必须能比较均匀地分布到各个桶里。如果数据全挤在同一个桶里,桶排序就退化成“把所有数据塞进一个桶,再对全体数据排序”,那复杂度直接变成 O(n log n),甚至更差。所以判断“能不能用桶排序”的第一步,永远不是看代码怎么写,而是看你的数据长什么样。
1.2 桶排序和计数排序、基数排序的关系
很多初学者容易把桶排序、计数排序、基数排序混在一起。这里我顺手把三者的关系讲清楚,因为它们都是“非比较排序”家族里的成员,但思路各有侧重。
计数排序是桶排序的一个极端特例——每个桶只放一个值,桶的数量等于数据取值范围的大小。所以它要求数据是整数,且取值范围不能太大。比如给 0 到 100 分的考试成绩排序,计数排序就非常合适,直接开一个长度为 101 的数组统计频次就行。
基数排序则是按位分桶——先按个位分桶,再按十位分桶,循环多轮。它适合位数固定、位数不多的整数或字符串。
桶排序更通用:数据可以是浮点数,取值范围可以很大,只要你能设计一个分桶函数把数据映射到不同的桶就行。我用一句话总结:计数排序是桶大小为 1 的桶排序,基数排序是“多轮 + 固定位”的桶排序。理解这层关系,你写代码时思路会清晰很多。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 手写一个通用的桶排序实现
2.1 最基础的版本:C++ 实现
先上一个最简单的通用版本。这个版本假设输入是浮点数,数据范围已知为 [min_val, max_val],桶数量由调用方指定。
cpp复制#include <vector>
#include <algorithm>
#include <cassert>
void bucketSort(std::vector<double>& arr, int bucketNum) {
if (arr.empty()) return;
// 找到最小值和最大值
double minVal = *std::min_element(arr.begin(), arr.end());
double maxVal = *std::max_element(arr.begin(), arr.end());
// 每个桶的跨度
double bucketSpan = (maxVal - minVal) / bucketNum;
if (bucketSpan == 0) return; // 所有元素相等,无需排序
// 建桶
std::vector<std::vector<double>> buckets(bucketNum);
// 入桶
for (double x : arr) {
int idx = (int)((x - minVal) / bucketSpan);
// 边界情况:最大值恰好落在桶数量边界上
