基本思想
基数排序是一种非比较型整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。由于整数也可以表达字符串（比如名字或日期）和特定格式的浮点数，所以基数排序也不是只能使用于整数。
基数排序可以采用两种方式：
- LSD（Least Significant Digital）：从待排序元素的最右边开始计算（如果是数字类型，即从最低位个位开始）。
- MSD（Most Significant Digital）：从待排序元素的最左边开始计算（如果是数字类型，即从最高位开始）。
我们以LSD方式为例，从数组R[1..n]中每个元素的最低位开始处理，假设基数为radix，如果是十进制，则radix=10。基本过程如下所示：
- 计算R中最大的元素，求得位数最大的元素，最大位数记为distance；
- 对每一位round<=distance，计算R[i] % radix即可得到；
- 将上面计算得到的余数作为bucket编号，每个bucket中可能存放多个数组R的元素；
- 按照bucket编号的顺序，收集bucket中元素，就地替换数组R中元素；
- 重复2~4，最终数组R中的元素为有序。
算法实现
基数排序算法，Java实现，代码如下所示：
01 |
public abstract class Sorter { |
02 |
public abstract void sort(int[] array); |
05 |
public class RadixSorter extends Sorter { |
09 |
public RadixSorter() { |
14 |
public void sort(int[] array) { |
17 |
int[][] bucket = new int[radix][array.length]; |
18 |
int distance = getDistance(array); |
21 |
while (round <= distance) { |
23 |
int[] counter = new int[radix]; |
25 |
for (int i = 0; i < array.length; i++) { |
26 |
int which = (array[i] / temp) % radix; |
27 |
bucket[which][counter[which]] = array[i]; |
32 |
for (int i = 0; i < radix; i++) { |
34 |
for (int j = 0; j < counter[i]; j++) { |
35 |
array[index] = bucket[i][j]; |
45 |
private int getDistance(int[] array) { |
46 |
int max = computeMax(array); |
48 |
int temp = max / radix; |
56 |
private int computeMax(int[] array) { |
58 |
for(int i=1; i<array.length; i++) { |
基数排序算法，Python实现，代码如下所示：
06 |
__metaclass__ = ABCMeta |
09 |
def sort(self, array): |
12 |
class RadixSorter(Sorter): |
19 |
def sort(self, array): |
22 |
bucket = [[0 for col in range(length)] for row in range(self.radix)] |
23 |
distance = self.__get_distance(array) |
25 |
while which_round<=distance: |
26 |
counter = [0 for x in range(self.radix)] |
27 |
for i in range(length): |
28 |
which = (array[i] // temp) % self.radix |
29 |
bucket[which][counter[which]] = array[i] |
32 |
for i in range(self.radix): |
34 |
for j in range(counter[i]): |
35 |
array[index] = bucket[i][j] |
41 |
def __get_distance(self, array): |
42 |
max_elem = self.__get_max(array) |
44 |
temp = max_elem // self.radix |
50 |
def __get_max(self, array): |
52 |
for x in range(1, len(array)): |
排序过程
假设待排序数组为array = {94,12,34,76,26,9,0,37,55,76,37,5,68,83,90,37,12,65,76,49}，数组大小为20，我们以该数组为例，
最大的数组元素的位数为2，所以需要进行2轮映射（映射到对应的桶中），执行基数排序的具体过程，如下所示：
数组的原始顺序，如下图所示：
数组中存在的相同的元素（同一个待排序的数字出现大于1次），我们使用不同的背景颜色来区分（红色背景表示第二次出现，靛青色表示第三次出现），如果一个元素只出现过一次，则我们就使用一种固定的颜色（浅绿色）表示。
我们使用的是十进制，基数（Radix）自然是10，根据数组元素个位数的，应该映射到10个桶中，映射后的结果，如图所示：
在映射到桶的过程中，从左到右扫描原始数组。因为映射到同一个桶中的元素可能存在多个，最多为整个数组的长度，所以在同一个桶中，要保持进入桶中的元素的先后顺序（先进的排在左侧，后进的排在右侧）。
- 收集桶中元素，并在原始数组中原地替换，使数组中元素顺序重新分布
扫面前面已经映射到各个桶中的元素，满足这样的顺序：先扫描编号最小的桶，桶中如果存在多个元素，必须按照从左到右的顺序。这样，将得到的数组元素重新分布，得到一个元素位置重新分布的数组，如图所示：
这时，可以看到元素实际上是按照个位的数字进行了排序，但是基于整个元素来说并不是有序的。
- 根据数组元素十位数字将数组中元素映射到对应的桶中（bucket）
这次映射的原则和过程，与前面类似，不同的是，这次扫描的数组是经过个位数字处理重新分布后的新数组，映射后桶内的状态，如图所示：
- 收集桶中元素，并在原始数组中原地替换，使数组中元素顺序重新分布
和前面收集方法类似，得到的数组及其顺序，如图所示：
我们可以看到，经过两轮映射和收集过程，数组已经变成有序了，排序结束。
算法分析
设待排序的数组R[1..n]，数组中最大的数是d位数，基数为r（如基数为10，即10进制，最大有10种可能，即最多需要10个桶来映射数组元素）。处理一位数，需要将数组元素映射到r个桶中，映射完成后还需要收集，相当于遍历数组一遍，最多元素书为n，则时间复杂度为O(n+r)。所以，总的时间复杂度为O(d*(n+r))。
设待排序的数组R[1..n]，数组中最大的数是d位数，基数为r。基数排序过程中，用到一个计数器数组，长度为r，还用到一个r*n的二位数组来做为桶，所以空间复杂度为O(r*n)。
通过上面的排序过程，我们可以看到，每一轮映射和收集操作，都保持从左到右的顺序进行，如果出现相同的元素，则保持他们在原始数组中的顺序。
可见，基数排序是一种稳定的排序。
