某次二面時(shí)，面試官問起Js排序問題，吾絞盡腦汁回答了幾種，深感算法有很大的問題，所以總計(jì)一下！

排序算法說明

（1）排序的定義：對一序列對象根據(jù)某個(gè)關(guān)鍵字進(jìn)行排序；

輸入：n個(gè)數(shù)：a1,a2,a3,…,an

輸出：n個(gè)數(shù)的排列:a1’,a2’,a3’,…,an’，使得a1’<=a2’<=a3’<=…<=an’。

再講的形象點(diǎn)就是排排坐，調(diào)座位，高的站在后面，矮的站在前面咯。

（2）對于評述算法優(yōu)劣術(shù)語的說明

穩(wěn)定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面；

不穩(wěn)定：如果a原本在b的前面，而a=b，排序之后a可能會出現(xiàn)在b的后面；

內(nèi)排序：所有排序操作都在內(nèi)存中完成；

外排序：由于數(shù)據(jù)太大，因此把數(shù)據(jù)放在磁盤中，而排序通過磁盤和內(nèi)存的數(shù)據(jù)傳輸才能進(jìn)行；

時(shí)間復(fù)雜度: 一個(gè)算法執(zhí)行所耗費(fèi)的時(shí)間。

空間復(fù)雜度: 運(yùn)行完一個(gè)程序所需內(nèi)存的大小。

關(guān)于時(shí)間空間復(fù)雜度的更多了解請看書程杰大大編寫的《大話數(shù)據(jù)結(jié)構(gòu)》還是很贊的，通俗易懂。

（3）排序算法圖片總結(jié)(圖片來源于網(wǎng)絡(luò)):

排序?qū)Ρ龋?/p>

圖片名詞解釋：

n: 數(shù)據(jù)規(guī)模

k:“桶”的個(gè)數(shù)

In-place: 占用常數(shù)內(nèi)存，不占用額外內(nèi)存

Out-place: 占用額外內(nèi)存

排序分類：

冒泡排序

(1)算法描述

冒泡排序是一種簡單的排序算法。它重復(fù)地走訪過要排序的數(shù)列，一次比較兩個(gè)元素，如果它們的順序錯(cuò)誤就把它們交換過來。走訪數(shù)列的工作是重復(fù)地進(jìn)行直到?jīng)]有再需要交換，也就是說該數(shù)列已經(jīng)排序完成。這個(gè)算法的名字由來是因?yàn)樵叫〉脑貢?jīng)由交換慢慢“浮”到數(shù)列的頂端。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.比較相鄰的元素。如果第一個(gè)比第二個(gè)大，就交換它們兩個(gè)；

<2>.對每一對相鄰元素作同樣的工作，從開始第一對到結(jié)尾的最后一對，這樣在最后的元素應(yīng)該會是最大的數(shù)；

<3>.針對所有的元素重復(fù)以上的步驟，除了最后一個(gè)；

<4>.重復(fù)步驟1~3，直到排序完成。

JavaScript代碼實(shí)現(xiàn)：

function bubbleSort(arr) {

var len = arr.length;

for (var i = 0; i < len; i++) {

for (var j = 0; j < len - 1 - i; j++) {

? ?if (arr[j] > arr[j+1]) {//相鄰元素兩兩對比

? ?var temp = arr[j+1];//元素交換

? ? ? ? ?arr[j+1] = arr[j];

? ? ? ?arr[j] = temp;

}

}

}

return arr;

}

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(bubbleSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

改進(jìn)冒泡排序:設(shè)置一標(biāo)志性變量pos,用于記錄每趟排序中最后一次進(jìn)行交換的位置。由于pos位置之后的記錄均已交換到位,故在進(jìn)行下一趟排序時(shí)只要掃描到pos位置即可。

改進(jìn)后算法如下:

```

function bubbleSort2(arr) {

console.time('改進(jìn)后冒泡排序耗時(shí)');

var i = arr.length-1;//初始時(shí),最后位置保持不變

while ( i> 0) {

var pos= 0; //每趟開始時(shí),無記錄交換

for (var j= 0; j< i; j++)

if (arr[j]> arr[j+1]) {

pos= j; //記錄交換的位置

var tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp;

}

i= pos; //為下一趟排序作準(zhǔn)備

}

console.timeEnd('改進(jìn)后冒泡排序耗時(shí)');

return arr;

}

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(bubbleSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

```

傳統(tǒng)冒泡排序中每一趟排序操作只能找到一個(gè)最大值或最小值,我們考慮利用在每趟排序中進(jìn)行正向和反向兩遍冒泡的方法一次可以得到兩個(gè)最終值(最大者和最小者) , 從而使排序趟數(shù)幾乎減少了一半。

改進(jìn)后的算法實(shí)現(xiàn)為:

```

function bubbleSort3(arr3) {

var low = 0;

var high= arr.length-1; //設(shè)置變量的初始值

var tmp,j;

console.time('2.改進(jìn)后冒泡排序耗時(shí)');

while (low < high) {

for (j= low; j< high; ++j) //正向冒泡,找到最大者

if (arr[j]> arr[j+1]) {

tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp;

}

--high;//修改high值, 前移一位

for (j=high; j>low; --j) //反向冒泡,找到最小者

if (arr[j]

tmp = arr[j]; arr[j]=arr[j-1];arr[j-1]=tmp;

}

++low;//修改low值,后移一位

}

console.timeEnd('2.改進(jìn)后冒泡排序耗時(shí)');

return arr3;

}

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(bubbleSort3(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

```

三種方法耗時(shí)對比:


冒泡排序動態(tài)圖：


####選擇排序

表現(xiàn)最穩(wěn)定的排序算法之一(這個(gè)穩(wěn)定不是指算法層面上的穩(wěn)定哈，相信聰明的你能明白我說的意思2333)，因?yàn)闊o論什么數(shù)據(jù)進(jìn)去都是O(n2)的時(shí)間復(fù)雜度…..所以用到它的時(shí)候，數(shù)據(jù)規(guī)模越小越好。唯一的好處可能就是不占用額外的內(nèi)存空間了吧。理論上講，選擇排序可能也是平時(shí)排序一般人想到的最多的排序方法了吧。

(1)算法簡介

選擇排序(Selection-sort)是一種簡單直觀的排序算法。它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再從剩余未排序元素中繼續(xù)尋找最?。ù螅┰?，然后放到已排序序列的末尾。以此類推，直到所有元素均排序完畢。

(2)算法描述和實(shí)現(xiàn)

n個(gè)記錄的直接選擇排序可經(jīng)過n-1趟直接選擇排序得到有序結(jié)果。具體算法描述如下：

<1>.初始狀態(tài)：無序區(qū)為R[1..n]，有序區(qū)為空；

<2>.第i趟排序(i=1,2,3…n-1)開始時(shí)，當(dāng)前有序區(qū)和無序區(qū)分別為R[1..i-1]和R(i..n）。該趟排序從當(dāng)前無序區(qū)中-選出關(guān)鍵字最小的記錄 R[k]，將它與無序區(qū)的第1個(gè)記錄R交換，使R[1..i]和R[i+1..n)分別變?yōu)橛涗泜€(gè)數(shù)增加1個(gè)的新有序區(qū)和記錄個(gè)數(shù)減少1個(gè)的新無序區(qū)；

<3>.n-1趟結(jié)束，數(shù)組有序化了。

Javascript代碼實(shí)現(xiàn):

```

function selectionSort(arr) {

var len = arr.length;

var minIndex, temp;

console.time('選擇排序耗時(shí)');

for (var i = 0; i < len - 1; i++) {

minIndex = i;

for (var j = i + 1; j < len; j++) {

if (arr[j] < arr[minIndex]) {//尋找最小的數(shù)

minIndex = j;//將最小數(shù)的索引保存

}

}

temp = arr[i];

arr[i] = arr[minIndex];

arr[minIndex] = temp;

}

console.timeEnd('選擇排序耗時(shí)');

return arr;

}

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(selectionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

```

選擇排序動圖演示：


####插入排序

插入排序的代碼實(shí)現(xiàn)雖然沒有冒泡排序和選擇排序那么簡單粗暴，但它的原理應(yīng)該是最容易理解的了，因?yàn)橹灰蜻^撲克牌的人都應(yīng)該能夠秒懂。當(dāng)然，如果你說你打撲克牌摸牌的時(shí)候從來不按牌的大小整理牌，那估計(jì)這輩子你對插入排序的算法都不會產(chǎn)生任何興趣了…..

(1)算法簡介

插入排序（Insertion-Sort）的算法描述是一種簡單直觀的排序算法。它的工作原理是通過構(gòu)建有序序列，對于未排序數(shù)據(jù)，在已排序序列中從后向前掃描，找到相應(yīng)位置并插入。插入排序在實(shí)現(xiàn)上，通常采用in-place排序（即只需用到O(1)的額外空間的排序），因而在從后向前掃描過程中，需要反復(fù)把已排序元素逐步向后挪位，為最新元素提供插入空間。

(2)算法描述和實(shí)現(xiàn)

一般來說，插入排序都采用in-place在數(shù)組上實(shí)現(xiàn)。具體算法描述如下：

<1>.從第一個(gè)元素開始，該元素可以認(rèn)為已經(jīng)被排序；

<2>.取出下一個(gè)元素，在已經(jīng)排序的元素序列中從后向前掃描；

<3>.如果該元素（已排序）大于新元素，將該元素移到下一位置；

<4>.重復(fù)步驟3，直到找到已排序的元素小于或者等于新元素的位置；

<5>.將新元素插入到該位置后；

<6>.重復(fù)步驟2~5。

Javascript代碼實(shí)現(xiàn):

```

function insertionSort(array) {

if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') {

console.time('插入排序耗時(shí)：');

for (var i = 1; i < array.length; i++) {

var key = array[i];

var j = i - 1;

while (j >= 0 && array[j] > key) {

array[j + 1] = array[j];

j--;

}

array[j + 1] = key;

}

console.timeEnd('插入排序耗時(shí)：');

return array;

} else {

return 'array is not an Array!';

}

}

```

改進(jìn)插入排序： 查找插入位置時(shí)使用二分查找的方式

```

function binaryInsertionSort(array) {

if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') {

console.time('二分插入排序耗時(shí)：');

for (var i = 1; i < array.length; i++) {

var key = array[i], left = 0, right = i - 1;

while (left <= right) {

var middle = parseInt((left + right) / 2);

if (key < array[middle]) {

right = middle - 1;

} else {

left = middle + 1;

}

}

for (var j = i - 1; j >= left; j--) {

array[j + 1] = array[j];

}

array[left] = key;

}

console.timeEnd('二分插入排序耗時(shí)：');

return array;

} else {

return 'array is not an Array!';

```

插入排序動圖演示:


####希爾排序

1959年Shell發(fā)明；

第一個(gè)突破O(n^2)的排序算法；是簡單插入排序的改進(jìn)版；它與插入排序的不同之處在于，它會優(yōu)先比較距離較遠(yuǎn)的元素。希爾排序又叫縮小增量排序

(1)算法簡介

希爾排序的核心在于間隔序列的設(shè)定。既可以提前設(shè)定好間隔序列，也可以動態(tài)的定義間隔序列。動態(tài)定義間隔序列的算法是《算法（第4版》的合著者Robert Sedgewick提出的。

(2)算法描述和實(shí)現(xiàn)

先將整個(gè)待排序的記錄序列分割成為若干子序列分別進(jìn)行直接插入排序，具體算法描述：

<1>. 選擇一個(gè)增量序列t1，t2，…，tk，其中ti>tj，tk=1；

<2>.按增量序列個(gè)數(shù)k，對序列進(jìn)行k 趟排序；

<3>.每趟排序，根據(jù)對應(yīng)的增量ti，將待排序列分割成若干長度為m 的子序列，分別對各子表進(jìn)行直接插入排序。僅增量因子為1 時(shí)，整個(gè)序列作為一個(gè)表來處理，表長度即為整個(gè)序列的長度。

Javascript代碼實(shí)現(xiàn):

```

function shellSort(arr) {

var len = arr.length,

temp,

gap = 1;

console.time('希爾排序耗時(shí):');

while(gap < len/5) {//動態(tài)定義間隔序列

gap =gap*5+1;

}

for (gap; gap > 0; gap = Math.floor(gap/5)) {

for (var i = gap; i < len; i++) {

temp = arr[i];

for (var j = i-gap; j >= 0 && arr[j] > temp; j-=gap) {

arr[j+gap] = arr[j];

}

arr[j+gap] = temp;

}

}

console.timeEnd('希爾排序耗時(shí):');

return arr;

}

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(shellSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

```

希爾排序圖示（圖片來源網(wǎng)絡(luò)）：


####歸并排序

和選擇排序一樣，歸并排序的性能不受輸入數(shù)據(jù)的影響，但表現(xiàn)比選擇排序好的多，因?yàn)槭冀K都是O(n log n）的時(shí)間復(fù)雜度。代價(jià)是需要額外的內(nèi)存空間。

(1)算法簡介

歸并排序是建立在歸并操作上的一種有效的排序算法。該算法是采用分治法（Divide and Conquer）的一個(gè)非常典型的應(yīng)用。歸并排序是一種穩(wěn)定的排序方法。將已有序的子序列合并，得到完全有序的序列；即先使每個(gè)子序列有序，再使子序列段間有序。若將兩個(gè)有序表合并成一個(gè)有序表，稱為2-路歸并。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.把長度為n的輸入序列分成兩個(gè)長度為n/2的子序列；

<2>.對這兩個(gè)子序列分別采用歸并排序；

<3>.將兩個(gè)排序好的子序列合并成一個(gè)最終的排序序列。

Javscript代碼實(shí)現(xiàn):

```

function mergeSort(arr) {//采用自上而下的遞歸方法

var len = arr.length;

if(len < 2) {

return arr;

}

var middle = Math.floor(len / 2),

left = arr.slice(0, middle),

right = arr.slice(middle);

return merge(mergeSort(left), mergeSort(right));

}

function merge(left, right)

{

var result = [];

console.time('歸并排序耗時(shí)');

while (left.length && right.length) {

if (left[0] <= right[0]) {

result.push(left.shift());

} else {

result.push(right.shift());

}

}

while (left.length)

result.push(left.shift());

while (right.length)

result.push(right.shift());

console.timeEnd('歸并排序耗時(shí)');

return result;

}

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(mergeSort(arr));

```

歸并排序動圖演示:


####快速排序

快速排序的名字起的是簡單粗暴，因?yàn)橐宦牭竭@個(gè)名字你就知道它存在的意義，就是快，而且效率高! 它是處理大數(shù)據(jù)最快的排序算法之一了。

(1)算法簡介

快速排序的基本思想：通過一趟排序?qū)⒋庞涗浄指舫瑟?dú)立的兩部分，其中一部分記錄的關(guān)鍵字均比另一部分的關(guān)鍵字小，則可分別對這兩部分記錄繼續(xù)進(jìn)行排序，以達(dá)到整個(gè)序列有序。

(2)算法描述和實(shí)現(xiàn)

快速排序使用分治法來把一個(gè)串（list）分為兩個(gè)子串（sub-lists）。具體算法描述如下：

<1>.從數(shù)列中挑出一個(gè)元素，稱為 “基準(zhǔn)”（pivot）；

<2>.重新排序數(shù)列，所有元素比基準(zhǔn)值小的擺放在基準(zhǔn)前面，所有元素比基準(zhǔn)值大的擺在基準(zhǔn)的后面（相同的數(shù)可以到任一邊）。在這個(gè)分區(qū)退出之后，該基準(zhǔn)就處于數(shù)列的中間位置。這個(gè)稱為分區(qū)（partition）操作；

<3>.遞歸地（recursive）把小于基準(zhǔn)值元素的子數(shù)列和大于基準(zhǔn)值元素的子數(shù)列排序。

Javascript代碼實(shí)現(xiàn)：

```

/*方法說明：快速排序

@paramarray 待排序數(shù)組*/

//方法一

function quickSort(array, left, right) {

console.time('1.快速排序耗時(shí)');

if (Object.prototype.toString.call(array).slice(8, -1) === 'Array' && typeof left === 'number' && typeof right === 'number') {

if (left < right) {

var x = array[right], i = left - 1, temp;

for (var j = left; j <= right; j++) {

if (array[j] <= x) {

i++;

temp = array[i];

array[i] = array[j];

array[j] = temp;

}

}

quickSort(array, left, i - 1);

quickSort(array, i + 1, right);

}

console.timeEnd('1.快速排序耗時(shí)');

return array;

} else {

return 'array is not an Array or left or right is not a number!';

}

}

//方法二

var quickSort2 = function(arr) {

console.time('2.快速排序耗時(shí)');

if (arr.length <= 1) { return arr; }

var pivotIndex = Math.floor(arr.length / 2);

var pivot = arr.splice(pivotIndex, 1)[0];

var left = [];

var right = [];

for (var i = 0; i < arr.length; i++){

if (arr[i]< pivot) {

left.push(arr[i]);

} else {

right.push(arr[i]);

}

}

console.timeEnd('2.快速排序耗時(shí)');

return quickSort2(left).concat([pivot], quickSort2(right));

};

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(quickSort(arr,0,arr.length-1));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

console.log(quickSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

```

快速排序動圖演示：


####堆排序

堆排序可以說是一種利用堆的概念來排序的選擇排序。

(1)算法簡介

堆排序（Heapsort）是指利用堆這種數(shù)據(jù)結(jié)構(gòu)所設(shè)計(jì)的一種排序算法。堆積是一個(gè)近似完全二叉樹的結(jié)構(gòu)，并同時(shí)滿足堆積的性質(zhì)：即子結(jié)點(diǎn)的鍵值或索引總是小于（或者大于）它的父節(jié)點(diǎn)。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.將初始待排序關(guān)鍵字序列(R1,R2….Rn)構(gòu)建成大頂堆，此堆為初始的無序區(qū)；

<2>.將堆頂元素R[1]與最后一個(gè)元素R[n]交換，此時(shí)得到新的無序區(qū)(R1,R2,……Rn-1)和新的有序區(qū)(Rn),且滿足R[1,2…n-1]<=R[n]；

<3>.由于交換后新的堆頂R[1]可能違反堆的性質(zhì)，因此需要對當(dāng)前無序區(qū)(R1,R2,……Rn-1)調(diào)整為新堆，然后再次將R[1]與無序區(qū)最后一個(gè)元素交換，得到新的無序區(qū)(R1,R2….Rn-2)和新的有序區(qū)(Rn-1,Rn)。不斷重復(fù)此過程直到有序區(qū)的元素個(gè)數(shù)為n-1，則整個(gè)排序過程完成。

Javascript代碼實(shí)現(xiàn)：

```

/*方法說明：堆排序

@paramarray 待排序數(shù)組*/

function heapSort(array) {

console.time('堆排序耗時(shí)');

if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') {

//建堆

var heapSize = array.length, temp;

for (var i = Math.floor(heapSize / 2) - 1; i >= 0; i--) {

heapify(array, i, heapSize);

}

//堆排序

for (var j = heapSize - 1; j >= 1; j--) {

temp = array[0];

array[0] = array[j];

array[j] = temp;

heapify(array, 0, --heapSize);

}

console.timeEnd('堆排序耗時(shí)');

return array;

} else {

return 'array is not an Array!';

}

```

堆排序動圖演示：


####計(jì)數(shù)排序

計(jì)數(shù)排序的核心在于將輸入的數(shù)據(jù)值轉(zhuǎn)化為鍵存儲在額外開辟的數(shù)組空間中。

作為一種線性時(shí)間復(fù)雜度的排序，計(jì)數(shù)排序要求輸入的數(shù)據(jù)必須是有確定范圍的整數(shù)。

(1)算法簡介

計(jì)數(shù)排序(Counting sort)是一種穩(wěn)定的排序算法。計(jì)數(shù)排序使用一個(gè)額外的數(shù)組C，其中第i個(gè)元素是待排序數(shù)組A中值等于i的元素的個(gè)數(shù)。然后根據(jù)數(shù)組C來將A中的元素排到正確的位置。它只能對整數(shù)進(jìn)行排序。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>. 找出待排序的數(shù)組中最大和最小的元素；

<2>. 統(tǒng)計(jì)數(shù)組中每個(gè)值為i的元素出現(xiàn)的次數(shù)，存入數(shù)組C的第i項(xiàng)；

<3>. 對所有的計(jì)數(shù)累加（從C中的第一個(gè)元素開始，每一項(xiàng)和前一項(xiàng)相加）；

<4>. 反向填充目標(biāo)數(shù)組：將每個(gè)元素i放在新數(shù)組的第C(i)項(xiàng)，每放一個(gè)元素就將C(i)減去1

Javascript代碼實(shí)現(xiàn)：

```

function countingSort(array) {

var len = array.length,

B = [],

C = [],

min = max = array[0];

console.time('計(jì)數(shù)排序耗時(shí)');

for (var i = 0; i < len; i++) {

min = min <= array[i] ? min : array[i];

max = max >= array[i] ? max : array[i];

C[array[i]] = C[array[i]] ? C[array[i]] + 1 : 1;

}

for (var j = min; j < max; j++) {

C[j + 1] = (C[j + 1] || 0) + (C[j] || 0);

}

for (var k = len - 1; k >= 0; k--) {

B[C[array[k]] - 1] = array[k];

C[array[k]]--;

}

console.timeEnd('計(jì)數(shù)排序耗時(shí)');

return B;

}

var arr =[2, 2, 3, 8, 7, 1, 2, 2, 2, 7, 3, 9, 8, 2, 1, 4, 2, 4, 6, 9, 2];

console.log(countingSort(arr)); //[1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 4, 4, 6, 7, 7, 8, 8, 9, 9]

```

計(jì)數(shù)排序動圖演示:


####桶排序

桶排序是計(jì)數(shù)排序的升級版。它利用了函數(shù)的映射關(guān)系，高效與否的關(guān)鍵就在于這個(gè)映射函數(shù)的確定。

(1)算法簡介

桶排序 (Bucket sort)的工作的原理：假設(shè)輸入數(shù)據(jù)服從均勻分布，將數(shù)據(jù)分到有限數(shù)量的桶里，每個(gè)桶再分別排序（有可能再使用別的排序算法或是以遞歸方式繼續(xù)使用桶排序進(jìn)行排

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.設(shè)置一個(gè)定量的數(shù)組當(dāng)作空桶；

<2>.遍歷輸入數(shù)據(jù)，并且把數(shù)據(jù)一個(gè)一個(gè)放到對應(yīng)的桶里去；

<3>.對每個(gè)不是空的桶進(jìn)行排序；

<4>.從不是空的桶里把排好序的數(shù)據(jù)拼接起來。

Javascript代碼實(shí)現(xiàn):

```

@paramarray 數(shù)組

@paramnum桶的數(shù)量*/

function bucketSort(array, num) {

if (array.length <= 1) {

return array;

}

var len = array.length, buckets = [], result = [], min = max = array[0], regex = '/^[1-9]+[0-9]*$/', space, n = 0;

num = num || ((num > 1 && regex.test(num)) ? num : 10);

console.time('桶排序耗時(shí)');

for (var i = 1; i < len; i++) {

min = min <= array[i] ? min : array[i];

max = max >= array[i] ? max : array[i];

}

space = (max - min + 1) / num;

for (var j = 0; j < len; j++) {

var index = Math.floor((array[j] - min) / space);

if (buckets[index]) {//非空桶，插入排序

var k = buckets[index].length - 1;

while (k >= 0 && buckets[index][k] > array[j]) {

buckets[index][k + 1] = buckets[index][k];

k--;

}

buckets[index][k + 1] = array[j];

} else {//空桶，初始化

buckets[index] = [];

buckets[index].push(array[j]);

}

}

while (n < num) {

result = result.concat(buckets[n]);

n++;

}

console.timeEnd('桶排序耗時(shí)');

return result;

}

var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];

console.log(bucketSort(arr,4));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

```

桶排序圖示（圖片來源網(wǎng)絡(luò)）：


####基數(shù)排序

基數(shù)排序也是非比較的排序算法，對每一位進(jìn)行排序，從最低位開始排序，復(fù)雜度為O(kn),為數(shù)組長度，k為數(shù)組中的數(shù)的最大的位數(shù)；

(1)算法簡介

基數(shù)排序是按照低位先排序，然后收集；再按照高位排序，然后再收集；依次類推，直到最高位。有時(shí)候有些屬性是有優(yōu)先級順序的，先按低優(yōu)先級排序，再按高優(yōu)先級排序。最后的次序就是高優(yōu)先級高的在前，高優(yōu)先級相同的低優(yōu)先級高的在前?；鶖?shù)排序基于分別排序，分別收集，所以是穩(wěn)定的。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.取得數(shù)組中的最大數(shù)，并取得位數(shù)；

<2>.arr為原始數(shù)組，從最低位開始取每個(gè)位組成radix數(shù)組；

<3>.對radix進(jìn)行計(jì)數(shù)排序（利用計(jì)數(shù)排序適用于小范圍數(shù)的特點(diǎn)）

Javascript代碼實(shí)現(xiàn)：

```

* 基數(shù)排序適用于：

*(1)數(shù)據(jù)范圍較小，建議在小于1000

*(2)每個(gè)數(shù)值都要大于等于0

* @author damonare

* @paramarr 待排序數(shù)組

* @parammaxDigit 最大位數(shù)

*/

//LSD Radix Sort

function radixSort(arr, maxDigit) {

var mod = 10;

var dev = 1;

var counter = [];

console.time('基數(shù)排序耗時(shí)');

for (var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {

for(var j = 0; j < arr.length; j++) {

var bucket = parseInt((arr[j] % mod) / dev);

if(counter[bucket]== null) {

counter[bucket] = [];

}

counter[bucket].push(arr[j]);

}

var pos = 0;

for(var j = 0; j < counter.length; j++) {

var value = null;

if(counter[j]!=null) {

while ((value = counter[j].shift()) != null) {

arr[pos++] = value;

}

}

}

}

console.timeEnd('基數(shù)排序耗時(shí)');

return arr;

}

var arr =[3, 44, 38, 5, 47, 15, 36, 26, 27, 2, 46, 4, 19, 50, 48];

console.log(radixSort(arr,2)); //[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

```

基數(shù)排序LSD動圖演示：


###折

排序算法博大精深，看之，學(xué)之，用之！