1. 桶排序:它不是排序算法,而是一种排序思路
我最早接触桶排序时,以为它和冒泡、快排一样,是一种具体的排序算法实现。后来被问到一个问题:“给你一万个0到1之间的小数,怎么排最快?”我下意识说快排,对方摇头。直到我认真把桶排序拆开看了一遍,才发现自己之前的理解太浅了。
桶排序(Bucket Sort)的核心思想不是“怎么比较元素”,而是“怎么把元素分到不同的区域里,减少需要比较的元素数量”。它假设输入数据服从某种分布(通常是均匀分布),然后利用这种分布把数据“分桶”,每个桶内部再单独排序,最后按桶的顺序依次输出。整个过程像极了图书馆管理员按字母区间分书:先把A-M的书放到一个书架,N-Z放到另一个书架,每个书架内部再按序号整理,最后按书架顺序把书依次拿出来,整体就有序了。
所以我更愿意把它称为“一种排序思路”而不是“一种排序算法”。它的威力不在于单次比较的效率,而在于通过“分治+预处理”的方式,把大规模排序问题拆成多个小规模排序问题,再用其他排序算法去处理小问题。这种思路在数据量极大、取值范围明确、分布相对均匀的场景下,能跑出接近线性的时间复杂度,这是快排、归并在理论上都做不到的。
这篇文章会讲清楚桶排序的适用场景、时间复杂度、完整实现、常见变体,以及我在实际项目中踩过的坑。适合正在学数据结构的初学者,也适合需要在业务代码里做高性能排序的开发者参考。
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. 桶排序的本质:先分桶,再排序
2.1 桶排序的前置条件
先明确一件事:桶排序不是一个“万能排序算法”,它对输入数据有明确的假设。最典型的假设是数据服从均匀分布,或者至少是“分布不极端”。如果数据全部集中在一个很小的区间,比如100万个数据全是0.5附近的数,那分桶后绝大多数数据会挤进同一个桶,桶排序退化成“在桶内做一次快排”,性能和直接快排没有本质区别,还多付出了建桶和分桶的开销。
但反过来,如果数据分布均匀,桶排序的优势就非常明显。举个例子:排序100万个0到1之间均匀分布的随机小数,如果分成100个桶,每个桶平均只分到1万个元素。对每个桶内部做快排,总时间复杂度大约是:
- 分桶阶段:O(n),遍历所有元素,决定每个元素进入哪个桶;
- 桶内排序阶段:100次快排,每次1万个元素,总复杂度约O(n log(n/k));
- 合并阶段:O(n),按桶顺序输出即可。
整体复杂度近似O(n)到O(n log(n/k))。当n很大、桶数量k也足够大时,log(n/k)会变得很小,排序速度非常可观。这也是为什么桶排序被称为“线性时间排序算法”之一——前提是分布足够均匀。
2.2 桶数量和桶内排序怎么选
桶排序有两个关键决策点:桶数量k取多少,桶内用什么排序算法。
桶数量过大,每个桶里元素太少,建桶和遍历桶的额外开销会反超收益;桶数量过小,桶内元素过多,桶内排序的复杂度又会上升。实践中k的取值通常和n相关,常用经验值是k = n / m,其中m是每个桶期望容纳的元素个数,一般取m在100到1000之间。对于100万个元素,分1000个桶,每桶1000个元素,桶内用快排或插入排序都很合适。
特别说一说桶内排序的选择。如果桶内元素总数较少,插入排序反而是最优选择,因为插入排序在小规模数据上常数因子极小,而且对近乎有序的数据表现极好。如果桶内元素数量较大(超过1000),用快排或归并更稳妥。我在实际项目中习惯这样写:桶内元素少于32个时用插入排序,否则用快排的迭代版本。这样能兼顾性能和代码复杂度。
还有一个容易被忽略的点:分桶本身决定了数据是否稳定。桶排序天然是稳定的——只要桶内排序采用稳定排序算法(如归并、插入排序),并且按桶的顺序、桶内按原次序输出,整个算法就是稳定的。这个特性在需要保持相同元素相对顺序的场景(比如按成绩排序后再按学号排序)非常重要。
2.3 桶排序和数据范围的关系
桶排序另一个隐藏的假设是:数据范围是已知且有限可映射的。比如对0到100之间的整数排序,可以按10分为一个桶,共10个桶;对浮点数0到1之间排序,可以按floor(value * k)来分桶;对字符串排序,可以按首字母分桶。这个“可映射性”决定了桶排序的使用边界。
如果数据范围未知,或者数据范围极大(比如包含几十亿个不同值的ID),桶排序的建桶成本会非常高,甚至不如直接排序。这时候我一般会先看数据分布,用抽样等方式估算范围和分布,再决定是否采用桶排序。如果一个排序任务的数据分布未知,不要在第一时间套桶排序,先用一个快速排序做基线,再用抽样分析分布,最后决定是否优化。
3. 手写桶排序:从理论到可运行的代码
3.1 基础版:对均匀分布浮点数排序
这个版本是最经典的桶排序演示场景。假设我们有一个数组,元素是0到1之间的浮点数,且近似均匀分布。核心逻辑如下:
- 创建k个桶,每个桶对应一个区间,比如第i个桶对应[i/k, (i+1)/k);
- 遍历数组,对每个元素value,计算桶索引index = floor(value * k),放入对应桶;
- 对每个桶内部排序(这里用插入排序,代码简单且对小数组高效);
- 按桶顺序依次输出所有元素。
这是一个Python实现:
python复制def bucket_sort(arr, k=None):
if not arr:
return arr
n = len(arr)
if k is None:
k = max(1, n // 100) # 经验值:每桶约100个元素
# 创建k个桶
