Python 实现桶排序详解

1. 核心原理

桶排序是一种非比较型排序算法，通过将数据分配到多个“桶”中，每个桶单独排序后再合并。其核心步骤包括：

• 分桶：根据元素的范围或分布，将数据分配到有限数量的桶中。
• 桶内排序：对每个非空桶内的数据进行排序（通常使用插入排序等简单算法）。
• 合并结果：按桶的顺序将数据合并回原数组。

关键特点：

• 适用于数据分布均匀且范围已知的场景。
• 时间复杂度依赖数据分布，理想情况下接近线性。
• 属于**“空间换时间”**的排序策略。

2. 时间复杂度与空间复杂度

3. 适用场景

4. 代码实现（Python）

以下是将范围 [0, 100) 的整数分为10个桶的示例：

def bucket_sort(arr, bucket_size=10):
    if len(arr) == 0:
        return arr
    
    # 1. 计算数据范围
    min_val, max_val = min(arr), max(arr)
    bucket_count = (max_val - min_val) // bucket_size + 1
    buckets = [[] for _ in range(bucket_count)]
    
    # 2. 分桶
    for num in arr:
        idx = (num - min_val) // bucket_size
        buckets[idx].append(num)
    
    # 3. 桶内排序（此处使用内置排序，实际可用插入排序）
    sorted_arr = []
    for bucket in buckets:
        sorted_arr.extend(sorted(bucket))  # 稳定排序需保持插入顺序
    
    return sorted_arr

# 示例调用
arr = [29, 25, 3, 49, 9, 37, 21, 43]
sorted_arr = bucket_sort(arr)
print("排序结果:", sorted_arr)  # 输出: [3, 9, 21, 25, 29, 37, 43, 49]

5. 分桶过程示例

假设输入数组为 [29, 25, 3, 49, 9, 37, 21, 43]，最小值为3，最大值为49，桶大小为10：

1. 计算桶数量：(49 - 3) // 10 + 1 = 5个桶（范围分别为3-12, 13-22, 23-32, 33-42, 43-52）。
2. 分桶结果：
   • Bucket 0 (3-12): [3, 9]
   • Bucket 1 (13-22): [21]
   • Bucket 2 (23-32): [29, 25]
   • Bucket 3 (33-42): [37]
   • Bucket 4 (43-52): [49, 43]
3. 桶内排序：
   • Bucket 0 → [3, 9]
   • Bucket 1 → [21]
   • Bucket 2 → [25, 29]
   • Bucket 3 → [37]
   • Bucket 4 → [43, 49]
4. 合并结果：[3, 9, 21, 25, 29, 37, 43, 49]。

6. 优化策略

• 动态调整桶大小：根据数据分布自动调整桶的数量和范围。
• 混合排序算法：对小桶使用插入排序，对大桶递归使用桶排序。
• 处理重复元素：使用计数排序优化含大量重复值的数据。

7. 对比其他排序算法

8. 总结

桶排序在数据均匀分布且范围已知时效率极高，但需权衡空间开销。适用于大规模数据、外部排序及特定场景（如浮点数排序）。实际应用中需结合数据特点调整分桶策略，以平衡时间与空间效率。