排序算法

文章目录 桶排序(Bucket sort) 简介 时间复杂度 使用场景 计数排序（Counting sort） 简介 例子 代码实现 总结 基数排序（Radix sort） 简介 使用场景 代码实现 总结 注：所有的代码在我的 Github 中有均具体C++代码实现。 这里主要讲的是三大 线性排序 ：桶排序(Bucket sort)、计数排序(Counting sort)和基数排序(Radix sort)。 所谓线性排序，也就是说时间复杂度为 O(n)，而之所以能够做到线性排序，是因为这三个算法是 非基于比较 的排序算法，都不涉及元素之间的比较操作。 桶排序(Bucket sort) 简介 顾名思义，会用到“桶”，核心的思想就是将要排序的数据分到几个有序的桶里面，然后每个桶再进行单独的排序。桶内的数据排序过后，再把每个桶里面的数据依次取出，这样组成的序列就是有序的了。 时间复杂度 如果要排序的数据有 n 个，我们把它们均匀地划分到 m 个桶内，每个桶里就有 k=n/m 个元素。每个桶内部使用快速排序，时间复杂度为 O(k * logk)。m 个桶排序的时间复杂度就是 O(m * k * logk)，因为 k=n/m，所以整个桶排序的时间复杂度就是 O(n*log(n/m))。当桶的个数 m 接近数据个数 n 时，log(n/m) 就是一个非常小的常量，这个时候桶排序的时间复杂度接近

近日向领导汇报工作时，发现自己工作两年多来，在技能提升方面，始终是基于需求驱动，自主学习的觉悟比较不足，于是在网上搜索汇总得到以下java技能提升的一些知识点，粗略扫了一遍，发现一知半解甚至没有接触过的内容比较多，始知自身所掌握之局限。便开通了这个CSDN账号，计划在日后工作之余，有选择地研究下面的一些重要知识点。每次学习所得的内容，我会另开文章记录学习过程中的思考、疑惑、结论等，供自己日后回顾，若能惠及他人，也是我的荣幸。希望能够坚持下去。 一、基础篇 面向对象 什么是面向对象 面向对象、面向过程 面向对象的三大基本特征和五大基本原则 平台无关性 Java如何实现的平台无关 JVM还支持哪些语言（Kotlin、Groovy、JRuby、Jython、Scala） 值传递 值传递、引用传递 为什么说Java中只有值传递 封装、继承、多态 什么是多态、方法重写与重载 Java的继承与实现 构造函数与默认构造函数 类变量、成员变量和局部变量 成员变量和方法作用域 Java基础知识 基本数据类型 7种基本数据类型：整型、浮点型、布尔型、字符型 整型中byte、short、int、long的取值范围 什么是浮点型？什么是单精度和双精度？为什么不能用浮点型表示金额？ 自动拆装箱 什么是包装类型、什么是基本类型、什么是自动拆装箱 Integer的缓存机制 String 字符串的不可变性 JDK

list.sort 方法会就地排序列表，也就是说不会把原列表复制一份。这 也是这个方法的返回值是 None 的原因，提醒你本方法不会新建一个列 表。在这种情况下返回 None 其实是 Python 的一个惯例：如果一个函数 或者方法对对象进行的是就地改动，那它就应该返回 None，好让调用 者知道传入的参数发生了变动，而且并未产生新的对象。例 如，random.shuffle 函数也遵守了这个惯例。 　用返回 None 来表示就地改动这个惯例有个弊端，那就是调用 者无法将其串联起来。而返回一个新对象的方法（比如说 str 里的 所有方法）则正好相反，它们可以串联起来调用，从而形成连贯接 口（fluent interface）。详情参见维基百科中有关连贯接口的讨论 （https://en.wikipedia.org/wiki/Fluent_interface）。 与 list.sort 相反的是内置函数 sorted，它会新建一个列表作为返回 值。这个方法可以接受任何形式的可迭代对象作为参数，甚至包括不可 变序列或生成器（见第 14 章）。而不管 sorted 接受的是怎样的参 数，它最后都会返回一个列表。 不管是 list.sort 方法还是 sorted 函数，都有两个可选的关键字参 数。 reverse 　　如果被设定为 True，被排序的序列里的元素会以降序输出（也就

根据大佬们的一些构思和做法，自己实现了归并算法，总体利用递归实现，空间消耗的还是比较大，mergesort方法的空间复杂度就在O(N). package 数据结构_排序 ; public class 归并排序 { public static void main ( String [ ] args ) { int [ ] arr = { 1 , 8 , 36 , 5 , 2 , 4 , 6 } ; MergeSort sort = new MergeSort ( ) ; sort . mergeSort ( arr , 0 , arr . length - 1 ) ; for ( int i : arr ) { System . out . print ( i + " " ) ; } } } class MergeSort { /** * * @param a add a list of need sort * @param start where you start sorting * @param end where you end sorting */ public void mergeSort ( int [ ] a , int start , int end ) { //当拆分至最后一个停止拆分，否则递归拆分 if ( start < end ) { int mid = (

随着 Spark 的逐渐成熟完善, 越来越多的可配置参数被添加到Spark中来, 在Spark的官方文档http://spark.apache.org/docs/latest/configuration.html 中提供了这些可配置参数中相当大一部分的说明. 但是文档的更新总是落后于代码的开发的, 还有一些配置参数没有来得及被添加到这个文档中, 最重要的是在这个文档中,对于许多的参数也只能简单的介绍它所代表的内容的字面含义, 如果没有一定的实践基础或者对其背后原理的理解, 往往无法真正理解该如何针对具体应用场合进行合理配置。 本文试图通过阐述这其中部分参数的工作原理和配置思路, 和大家一起探讨一下如何根据实际场合对Spark进行配置优化。需要注意的是，理论上，没有绝对正确的配置（否则也就不需要对应的配置参数了，Spark框架内部直接写死就好了），所以请结合自己的实际情况，辩证的看下面的内容。 由于本文主要针对和性能相关的一些配置参数进行阐述，所以基本不会覆盖其它和性能没有太多关系的配置参数。 由于篇幅较长，所以在这里分篇组织，如果要看最新完整的网页版内容，可以戳这里： http://spark-config.readthedocs.org/ ，主要是便于更新内容 Shuffle 相关 Shuffle操作大概是对Spark性能影响最大的步骤之一（因为可能涉及到排序，磁盘IO

　　不多说，直接上干货！ 　　这篇博客里的算法部分的内容来自《数据算法：Hadoop/Spark大数据处理技巧》一书，不过书中的代码虽然思路正确，但是代码不完整，并且只有java部分的编程，我在它的基础上又加入scala部分，当然是在使用Spark的时候写的scala。 一、输入、期望输出、思路。 输入为SecondarySort.txt，内容为： 2000,12,04,10 2000,11,01,20 2000,12,02,-20 2000,11,07,30 2000,11,24,-40 2012,12,21,30 2012,12,22,-20 2012,12,23,60 2012,12,24,70 2012,12,25,10 2013,01,23,90 2013,01,24,70 2013,01,20,-10 意义为：年，月，日，温度 期望输出： 2013-01 90,70,-10 2012-12 70,60,30,10,-20 2000-12 10,-20 2000-11 30,20,-40 意义为： 年-月 温度1，温度2，温度3，…… 年-月从上之下降序排列， 温度从左到右降序排列 思路： 抛弃不需要的代表日的哪一行数据 将年月作为组合键（key），比较大小，降序排列 将对应年月（key）的温度的值（value）进行降序排列和拼接 二

1、 排序算法（快排、选择、冒泡、堆排序、 二叉排序树 、桶排序） 2、 DFS/BFS 剪枝 哈希表 3、树 ① 遍历 ② 二叉树 ③二叉排序树（查找、生成、删除） ④堆（二叉堆、左偏树、堆排序） ⑤Trie树 4、图（图论建模） ① 最小生成树 ② 最短路径 ③计算图的传递闭包 ④ 连通分量（其中要掌握并查集技术） 强连通分量tarjin ⑤ 拓扑排序 、关键路径 ⑥哈密尔顿环 ⑦ 欧拉回路 （USACO 3.3 题1 Fence） ⑧ Bell-man Ford、SPFA（能解决负权回路） （USACO 3.2 题6 Butter） ⑨二分图（匈牙利算法）(USACO 4.2 题2 stall) 5、动态规划（背包问题只是其中一种） ① 线性动规 ② 区间动规 ③ 树形动规 ④图形动规 6、 分治 （掌握了动规分治就好学了） 7、 贪心 8、 位运算 （可以用来进行优化） 来源： https://www.cnblogs.com/GldHkkowo/p/8710834.html

原题 　　Given an array where elements are sorted in ascending order, convert it to a height balanced BST. 题目大意 　　给定一个升序排列的二叉树，将其转换为一棵高度平衡的二叉树。 解题思路 　　采用递归分治法。 代码实现 树结点类 public class TreeNode { int val; TreeNode left; TreeNode right; TreeNode(int x) { val = x; } } 1 2 3 4 5 6 1 2 3 4 5 6 算法 实现类 public class Solution { public TreeNode sortedArrayToBST(int[] nums) { // 参数检验 if (nums == null || nums.length < 1) { return null; } // 递归分治法求解 return solve(nums, 0, nums.length - 1); } /** * 递归分治求解方法 * * @param nums 升序排序数组 * @param start 开始位置 * @param end 结束位置 * @return 根结点 */ public TreeNode solve(int[]

数组 (Array) 　　在程序设计中，为了处理方便， 把具有相同类型的若干 变量 按有序的形式组织起来。这些按序排列的同类数据元素的集合称为 数组 。在C语言中， 数组属于构造数据类型。一个数组可以分解为多个数组元素，这些数组元素可以是基本数据类型或是构造类型。因此按数组元素的类型不同，数组又可分为数值数组、字符数组、 指针数组 、结构数组等各种类别。 栈 (Stack) 　　是只能在某一端插入和删除的特殊 线性表 。它按照先进后出的原则存储数据，先进入的数据被压入栈底，最后的数据在栈顶，需要读数据的时候从栈顶开始弹出数据（最后一个数据被第一个读出来）。 队列 (Queue) 　　一种特殊的 线性表 ，它只允许在表的 前端 （front）进行删除操作，而在表的后端（rear）进行插入操作。进行插入操作的端称为队尾，进行删除操作的端称为队头。队列中没有元素时，称为空队列。 链表 (Linked List) 　　是一种物理存储单元上非连续、非顺序的存储结构，数据元素的 逻辑顺序 是通过链表中的指针链接次序实现的。链表由一系列结点（链表中每一个元素称为结点）组成，结点可以在运行时 动态 生成。每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域。 树 (Tree) 　　是包含n（n>0）个结点的有穷集合K，且在K中定义了一个关系N，N满足 以下条件： 　

1.冒泡排序，算法复杂度O(n^2) package main import ( "fmt" ) func main() { var arr = []int{10, 17, 19, 18, 77, 55} for i := 0; i < len(arr)-1; i++ { for j := i + 1; j < len(arr); j++ { if arr[i] > arr[j] { arr[i], arr[j] = arr[j], arr[i] } } } fmt.Println(arr) } 2.快速排序 它的基本思想是：通过一趟排序将数据一分为二，其中一部分的所有数据都比另外一部分的所有数据都要小，然后对两部分递归，直至完成。时间复杂度介于O(nlogn)和O(n^2) 一趟快速排序的算法是： 1）设置两个 变量 i、j， 排序 开始的时候：i=0，j=N-1； 2）以第一个 数组 元素作为关键数据，赋值给 key ，即 key =A[0]； 3）从j开始向前搜索，即由后开始向前搜索(j--)，找到第一个小于 key 的值A[j]，将A[j]赋给A[i]； 4）从i开始向后搜索，即由前开始向后搜索(i++)，找到第一个大于 key 的A[i]，将A[i]赋给A[j]； 5）重复第3、4步，直到i=j； package main import ( "fmt" ) func