目录
1.插入排序
2.冒泡排序
3. 堆排序
4.希尔排序
5.直接选择排序
6.快速排序☆☆
6.1快速排序基础
6.2关于快速排序的时间复杂度
6.3随机数法和三数取中法
6.4其他的单趟实现方法
6.4.1挖坑法
6.4.2前后指针版快速排序☆
6.4.3非递归实现快排☆
7.归并排序
7.1递归实现
7.2非递归实现
8.计数排序
9.小结
1.插入排序
先写单趟，再写总体。
单趟：
end作为下标，始终指向未比较数据的最后一个数据，若发现tmp还是小于end的值，就让end的数据向数组正向覆盖，并且--end，再重复上述比较来判断是否可以把tmp放在现在end+1的位置上。另外，若最后end都变成-1了，说明此前tmp一直小于end，直接跳出循环并将tmp放在end+1(也就是0的位置上)
用tmp记录我们希望插入的数据，并永远放在end+1的位置处
整体：
我们认为下标为0（第一个数据） 是有序的。
直接改成end从小到大的双层循环即可。
void InsertSort(int* arr, int number) {
for (int i = 1; i < number; i++) {
int tmp = arr[i];
for (int end = i-1; end >= 0; end--) {
if (tmp < arr[end]) {
arr[end + 1] = arr[end];
}
else {
arr[end + 1] = tmp;
break;
}
}
}
}
void InsertSort(int* arr, int number) {
for (int i = 1; i < number; i++) {
int tmp = arr[i];
int end = i - 1;
for (int end = i-1; end >= 0; end--) {
if (tmp < arr[end]) {
arr[end + 1] = arr[end];
}
else {
break;
}
}
arr[end + 1] = tmp;
}
}
void InsertSort(int* arr, int number) {
for (int i = 1; i < number; i++) {
int tmp = arr[i];
int end = i - 1;
for (; end >= 0; end--) {
if (tmp < arr[end]) {
arr[end + 1] = arr[end];
}
else {
break;
}
}
arr[end + 1] = tmp;
}
}好好反思 ，易错辨析：只有最后一段代码是对的，你看出前两种有错了吗？
对于第一段代码，无法处理end减到-1之后的情况
对于第二段代码，在for循环中重新定义了end变量，因此第二层for循环的end与出循环之后的end不是同一个end，局部变量的使用优先级更高。
对于插入排序，最坏情况时，移动次数就是等差数列之和（整个数组逆序），第二个数据挪一个，第三个数据挪两个
............
等差数列求和的最大项就是n^2
对于最好的情况：至少要遍历一遍才能知道其都是顺序，所以最好的情况都是O(N)
tips：没有排序能o(1)，最好的情况都是O(N),最坏情况的最优效率都是O(nlogn)
2.冒泡排序
每一轮都能将暂且最大的数字冒的最后
如果某一圈一个都没有冒过，说明已经有序了，可以直接跳出循环。
稍加控制条件即可。
时间复杂度 O(N^2)
最好情况：顺序有序或者接近有序 ， O(N)（至少都要遍历一次才知道该数组是否有序，再次印证了没有排序能做到O(1）
在开始新的排序之前，我们测试一下冒泡和插入的效率。
测试性能时请用realse版本，不要用debug,debug的优化不够，不能凸显差异。
提供给大家一个测试函数，包含了之后会使用到的排序函数
创建了大量数据随机数并且放入数组，使用clock函数计数每一种排序的具体时间。
void TestOP()
{
srand(time(0));
const int N = 100000;
int* a1 = (int*)malloc(sizeof(int) * N);
int* a2 = (int*)malloc(sizeof(int) * N);
int* a3 = (int*)malloc(sizeof(int) * N);
int* a4 = (int*)malloc(sizeof(int) * N);
int* a5 = (int*)malloc(sizeof(int) * N);
int* a6 = (int*)malloc(sizeof(int) * N);
int* a7 = (int*)malloc(sizeof(int) * N);
for (int i = 0; i < N; ++i)
{
a1[i] = rand();
a2[i] = a1[i];
a3[i] = a1[i];
a4[i] = a1[i];
a5[i] = a1[i];
a6[i] = a1[i];
a7[i] = a1[i];
}
int begin1 = clock();
//InsertSort(a1, N);
int end1 = clock();
int begin7 = clock();
//BubbleSort(a7, N);
int end7 = clock();
int begin2 = clock();
//ShellSort(a2, N);
int end2 = clock();
int begin3 = clock();
//SelectSort(a3, N);
int end3 = clock();
int begin4 = clock();
//HeapSort(a4, N);
int end4 = clock();
int begin5 = clock();
//QuickSort(a5, 0, N - 1);
int end5 = clock();
int begin6 = clock();
//MergeSort(a6, N);
int end6 = clock();
printf("InsertSort:%d\n", end1 - begin1);
printf("BubbleSort:%d\n", end7 - begin7);
printf("ShellSort:%d\n", end2 - begin2);
printf("SelectSort:%d\n", end3 - begin3);
printf("HeapSort:%d\n", end4 - begin4);
printf("QuickSort:%d\n", end5 - begin5);
printf("MergeSort:%d\n", end6 - begin6);
free(a1);
free(a2);
free(a3);
free(a4);
free(a5);
free(a6);
free(a7);
}先对写好的冒泡和插入进行比较：
尽管时间复杂度都是一样的，但是具体消耗时间确相差很大。
尽管可以认为他们两个是同样的量级 （相同的时间复杂度）
可是 ， 插入为什么优于冒泡这么多？
尽管两种算法的最坏时间复杂度是一样的，
但是插入排序的“适应性”更强，插入的最坏情况是很难达成的，基本上每一次都不会走满，只有当“插入”的数据比前面的数据都小时，才需要走n次。但是冒泡是交换之后的两数进行比较————可以理解为，插入排序的比较的“基准”是不变的，一直是tmp，而冒泡排序的比较“基准”是在变化的，几乎每次都不一样
同时，冒泡排序想跳出循环的条件是极其苛刻的，基本上每次都会接近走满。
因此，冒泡几乎每次都是最坏，插入几乎都不会是最坏情况。
时间复杂度只计算最坏情况的大概时间，在具体的测试中差距可能非常巨大。
3. 堆排序
C语言数据结构基础笔记——树、二叉树简介-CSDN博客
对于堆排序，我们先使用“向上遍历的向下调整算法”建堆（复杂度是O(N)）.
若升序就建大堆，降序就建小堆，再利用HeapPop的思想，将根拿出来放到数组的末尾，
再让数组尾指针--，达到排序的目的复杂度是O(n logn)
void HeapSort(int* arr, int number) {
//先对传进来的数组建堆
for (int i = (number - 1 - 1) / 2; i>=0; i--) {
AdjustDown(arr,i, number);
}
//再使用Pop的思想排序
while (number > 0) {
Swap(&arr[0], &arr[number - 1]);
number--;
AdjustDown(arr, 0, number);
}
}向下调整算法的实现：
void AdjustDown(int* arr,int parent, int number) {
//假设法找孩子大小
int child = 2 * parent + 1;
while (child < number) {//建大堆
if (child + 1 < number && arr[child + 1] > arr[child]) {
child++;
}
if (arr[parent] < arr[child]) {
Swap(&arr[parent], &arr[child]);
parent=child;
child = child * 2 + 1;
}
else {
break;
}
}
} 
再来监视一下时间复杂度明显更优秀的堆排序的实际运算时间：
（上一次比较插入和冒泡是在debug环境下跑的，这次是在realse环境下跑的，所以快了很多）
堆排序作为O(nlogn)，时间明显快于插入排序，唯独就是实现的代码较麻烦
4.希尔排序
希尔排序的本质是插入排序的优化。
我们先进行预排序。预排序目标：让数组更一步接近有序
我们在上文中提到，当一个数组越来越接近有序时，插入排序的速度就会更快。
所以我们通过分组的形式，先略微的让数组更加有序。
分组，也就是分gap。我们用以下数组进行说明：
也就是每个隔gap的数据归为一组，每一组先执行插入排序。
不难理解，gap为多大，就有多少个组
因为在遇到第一组的第一个gap位置的元素之前（也就是0+gap）,每一个数据都可以作为一组新的数据的头
先实现一组的预排序，再将每组的实现逻辑套入前gap个元素中，让每一组都实现预排序。
预排序的每一单趟排序中
n-gap让我们不再计数每一组中有多少元素，只要当剩下的空间被我当前组再加一个gap就会越界时，就会跳出循环。
for (int j = 0; j < gap; j++) {
for (int i = j; i + gap < n; i += gap) {
int end = i;
int tmp = a[end + gap];
while (end >= 0) {
if (tmp < a[end]) {
a[end + gap] = a[end];
end -= gap;
}
else {
break;
}
}
a[end + gap] = tmp;
}
}接下来，就是我们叹为观止计算机前辈们的智慧了。
gap越大，调整越快，但是不太接近有序；gap越小，调整越慢，但是更接近有序。
当gap为1时，就是插入排序、
所以，gap是和n有关系的一个值，我们来学习一下前辈们是如何控制gap的：
先让gap很大，进行一次全组全成员的预排序。
然后让gap变小一倍，再进行一次全组全成员的预排序
....................
数组越来越接近有序
....................
最后一次gap一定会变成1，完成一次几乎接近有序的插入排序。所以，希尔其实是优化过的插入排序
void ShellSort(int* a, int n) {
for (int gap = 3; gap > 0; gap /= 2) {
for (int j = 0; j < gap; j++) {
for (int i = j; i + gap < n; i += gap) {
int end = i;
int tmp = a[end + gap];
while (end >= 0) {
if (tmp < a[end]) {
a[end + gap] = a[end];
end -= gap;
}
else {
break;
}
}
a[end + gap] = tmp;
}
}
}
}更进一步：
两层循环可以优化成一层循环，但是时间复杂度不变
（文案有错，应该修改为“上面是红色完了，再排黄色，再排蓝色”）
而现在的调整方式是，先调整红色的·第一二个，再调整绿色的第一二个，再调整紫色的第一二个，再调红色的第二三个.........
void ShellSort(int* a, int n) {
for (int gap = 3; gap > 0; gap /= 2) {
for (int j = 0; j+gap < n; j++) {
// for (int i = j; i + gap < n; i += gap) {
int end = j;
int tmp = a[end + gap];
while (end >= 0) {
if (tmp < a[end]) {
a[end + gap] = a[end];
end -= gap;
}
else {
break;
}
}
a[end + gap] = tmp;
// }
}
}
}希尔排序的时间复杂度是一个极其复杂的问题：
有的人认为gap/2不是最优变化，(gap/3)+1才是最优变化，但是都没有得到严格的证明
——————出自严蔚敏老师的《数据结构（c语言版）》
以gap每次除以3为例：
gap=n/9时，可以推出一共有n/9组数据，每一组都有n/(n/9)=9个数据
只有第一组数据可以按照最坏情况来算，其他都会受到前面几次排序的增益
刚开始，逆序的话，最坏挪动n次，然后gap越来越小，需要调整的次数越多，但是前面的调整的增益也越来越大，最终增益大于gap变小带来的负面影响，整体次数开始减小
最终到最后一组的时候（也就是一次插入排序），已经非常接近有序，几乎就是遍历一遍数组，几乎不需要挪动。
通过统计学等相关知识，最后算出来应该是n^(1.3)，略大于nlogn
5.直接选择排序
我们先定义begin为0，end为最后一个数据的下标
遍历一遍数组，最大的放右边，最小的放左边，让begin增加,end减少，再重复以上操作.....
直到left与right重合
为什么换到 1 2 3 7 5 6 4 8 9 10时就换不动了呢？
当剩余数据比较少的时候，很有可能出现要交换的两组数据会重叠（minii和begin重叠、maxi和end重叠）
稍加if语句判断条件即可：
void SelectSort(int* a, int n) {
int begin = 0, end = n - 1;
int maxi = begin, mini = 0;
for (; begin < end; begin++, end--) {
for (int i = begin; i <= end; i++) {
if (a[i] > a[maxi])
maxi = i;
if (a[i] < a[mini])
mini = i;
}
Swap(&a[maxi], &a[end]);
if(maxi!=begin)
Swap(&a[mini], &a[begin]);
}
}6.快速排序☆☆
6.1快速排序基础
快速排序是 Hoare 于 1962 年提出的一种二叉树结构的交换排序方法，其基本思想为： 任取待排序元素序列中 的某元素作为基准值，按照该排序码将待排序集合分割成两子序列，左子序列中所有元素均小于基准值，右 子序列中所有元素均大于基准值，然后最左右子序列重复该过程，直到所有元素都排列在相应位置上为止 。其代码本质是一种递归排序
我们通常先选取最左段或者最右端作为key，也叫做关键字
此处我们以key在最左端,对数组{6,1,2,7,9,3,4,5,10,8}排升序为例讲解。
先看单趟：
为了让比key（对应的数，以下都称为key）大的数都在右端，比key小的数都存在左边，right下标的目标是找到比key小的数之后停下，left下标的目标是找到比key大的数之后停下。
先从right开始（从key所在端点的相反端点开始），向左找到5，然后left从key位置开始向右找“大”，找到7，交换5和7的位置，让小的数到接近key端点的方向，大的数到远离key端点的方向。交换完成之后，right再继续走，找到4，left找到9，再交换。最后，两者在下标为3的位置相遇，将相遇位置的值（3）和key进行交换。相遇位置的值一定小于key，这在后文会有具体解释，现在可以先记住结论。
至此，最神奇的发生了：key元素已经到了他该去的位置，因为左边全是比他小的，也只有比他小的。在升序的情况下，当比自己小的数据都放入数组后，就该放入自己了。
再以“分而治之”的二叉思想，将begin和keyi-1作为新的left和right传入我们上述的逻辑
在子数组{3,1,2,5,4}中排好3的位置。最后，当所有左子树都排好后再排右子树。
既然是二叉递归，那我们就需要把问题分割成：最小子问题（返回条件）和 继续递归的部分。继续递归的部分已经在上文中陈述清楚，当要剩下的数组只有一个元素或者没有元素时（叶子结点），就不用再排序了（一个数据或没有数据一定是有序的），直接返回即可
代码实现：
因为我们会让left++和right--,所以在每次递归调用一开始时一定要记录左右端点，便于下次递归。
其次，我们应当一直对同一个数组进行操作，参数只传下标即可。
代码的实现应当先写出基本样式，可以有没考虑周全的部分，先实现出来大概再改善。
void QuickSort(int* a, int left,int right) {
int begin = left, end = right;
int key = left;
while (left < right) {
while (left<right && a[right]>a[key]) {//因为right一直--可能会越界，一直找不到时key就//是最小的数据，所以我们希望right此时能停留在最左断，与left、key处于同一位置
right--;
}
while (left < right && a[left] < a[key]) {
left++;
}
Swap(&a[left], &a[right]);
}
Swap(&a[key], &a[left]);
//递归等会儿写
}问题1：因为left一开始和key等值，所以此循环不会被调用
问题2：如果右边遇到一个和key相等的，左边也遇到一个和key相等的，就会进入死循环，不停的交换他们两个，所以两个小循环中应该需要取等。
改进之后：
void QuickSort(int* a, int left,int right) {
if (left >= right)
return;//排除无元素数组
int begin = left, end = right;
int key = left;
while (left < right) {
while (left<right && a[right]>=a[key]) {
right--;
}
while (left < right && a[left] <= a[key]) {
left++;
}
Swap(&a[left], &a[right]);
}
Swap(&a[key], &a[left]);
key = left;
//递归
QuickSort(a, begin, key - 1);
QuickSort(a, key+1, end);
}现在解释，为什么left和right相遇位置的值一定小于key所对应的值：
根本原因在于：right先走。
正是因为right先走，所以当right停下时，其对应的数字一定小于key（或是直接走到key而与key相等），之后若被left在该点撞上，left和right进行无效对换，left和right共同指向的位置再与key交换，数值一定小于key，
若没有被left撞上，而是在之后的循环中right撞上了left，此情况一定发生在left和right已经发生过交换之后，那么较小值已经被换到了left所在位置，因此，若在left相遇，一定也是最小。
同理，也可以key在右边，left先走，任然是left找大，right找小。
最后相遇时对应的数据一定是大于key对应的数据。
6.2关于快速排序的时间复杂度
我们粗略的认为每一层就是把一整个数组分成两个，所以最坏情况下，分到最后的“最小子问题”时应该一共有logN层。对于每一层，都是左找到中间，右也找到中间，所以合起来是n次。另外，尽管每一层都会多出一些不用遍历的红色数字，但是几乎就在N的量级 ，因此一般情况下的复杂度是n*logn
快速排序最坏的时间复杂度是：有序
每次最小的都在最左端，key只会一个数据一个数据的变化，而每一次都需要把所有数据全部遍历完，复杂度是n(n+n-1+n-2+.......1),也就是n^2.
所以，这样的排序不适宜有序或者接近有序的数据，可能会直接超时并且栈溢出
但是一般情况下，key都会走到接近中间的位置。发生“有序”的困难程度堪比冒泡排序可以满足条件跳出循环的复杂程度，大部分情况下还是很好用的。
6.3随机数法和三数取中法
但是为了解决这个明显的弊端，有人想出了随机生成key位置的方法。
随机选出一个数据来和头位置数据交换， 让这个随机的数字变为头数据，减弱数组本来很有序的可能性。随机取key和三数取中（后文有解释）两种方法， 都能有效对抗原数组较有序的情况，能让较坏情况变为较好情况
比如本来是一个升序的有序数列 1,2,3,4,5,6,7,8,9.....，每一轮我都让中间的数作为key，所以每次都会几乎均分，每次都二分。
会不会出现，本来的有序性没有那么强，我将随机值与最左端（或最右端）一交换之后，
反而更有序了？
毕竟把一切都交给随机数并不是一个特别靠谱的办法。
于是，又有人给出了三数取中的办法：
在left、right、mid（mid=（right+left）/2）三个数中选出不大也不小的那个数，与一个端点进行交换，作为key————保证作为key的值不是最小或者最大
（每一次递归调用函数都会重新取一次key）
快速排序的优化（小区间优化）：
由二叉树的性质知道，二叉树消耗最大的是层底，也就是数组被分到最短的时候
二叉树的最后三层（以满二叉树为例），几乎占到（0.5+0.25+0.125）80%,而最后几层的数组又非常短，非常短的数组在排序时用各种方法消耗都不打，可以考虑在数组很短（比如小于十个时），考虑使用插入排序来排数组短于10~15个的小数组
二叉树的最下层是占比最大的
6.4其他的单趟实现方法
6.4.1挖坑法
先将Key位置的值挖出，当作坑，依然是右边先走，遇到小的数据就塞进坑去，并停在新的坑处
左边找大。
6.4.2前后指针版快速排序☆
初始状态，让prev指向key的位置，cur指向后一个的位置（下标为1）。
我们的目标是让cur和prev之间都是比key大的数据，prev及其左边都是小于key的数据
只要cur和prev形成路程差（如现在的初始状态），就比较cur的值是否大于等于key的值，
若确实大于key的值，就让cur++；若小于key的值，就让prev也++，交换prev和cur的值，让小值去的左端，并且cur++,继续判断下一个数据。最终交换成为：prev左边(包括prev自己)全是比key小的，右边全是比key大的
除非数组为空或者只有一个数据，Prev所在的位置对应的一定是被cur丢过来的较小数，所以不用担心在swap过程中把小的数又丢到右端的情况。因为prev和cur之间不会有较小数。
此种方法的优点就是，代码实现相对简单：
void QuickSort2(int left, int right, int* arr) {
if (left >= right)
return;
int keyi = left;
int prev = left;
int cur = left + 1;
while (cur <= right) {
if (arr[cur] < arr[keyi]) {
prev++;
Swap(&arr[cur], &arr[prev]);//这一步，不会出现将两个较小数对调的情况
}
cur++;
}
Swap(&arr[keyi], &arr[prev]);
keyi = prev;
QuickSort2(left, keyi - 1, arr);
QuickSort2(keyi+1, right, arr);
}6.4.3非递归实现快排☆
有能力将递归方法改成非递归方法是程序员应该有的素养。
借用数据结构“栈”来将递归改成迭代
C语言基础数据结构——栈和队列-CSDN博客
将区间作为参数，以十个数据的数组为例：
先压入0~9,再取出0~9进行单趟，压入keyi+1 ,right和left,keyi-1
由于栈的特性，我们遵循递归方法的顺序，先压右边的，再压左边的，这样就能先调用左边的。拿出左边的区间，进行一次单趟，再压入新的keyi+1 ,right和left,keyi-1,直到这两个区间的距离<=1,就不再压入，而是取出栈中的元素重复以上操作。
（其实距离<=1就是递归方法中的两个最小子问题）
代码实现：
void QuickSortNonR(int* arr, int left, int right) {
ST st;
STInit(&st);
STPush(&st, right);
STPush(&st, left);
while (!STEmpty(&st)) {
left = STTop(&st);
STPop(&st);
right = STTop(&st);
STPop(&st);
int prev = left, keyi = left;
int cur = left + 1;
while (cur <= right) {
if (arr[cur] < arr[keyi]) {
prev++;
Swap(&arr[cur], &arr[prev]);
}
cur++;
}
Swap(&arr[keyi], &arr[prev]);
keyi=prev;
//(left,keyi-1) keyi (keyi+1,right)
if (keyi + 1 < right) {//相当于是满足二叉树最小子问题的就不再入栈
STPush(&st, right);
STPush(&st, keyi+1);
}
if (left < keyi - 1) {
STPush(&st, keyi-1);
STPush(&st, left);
}
}
STDestroy(&st);
}（也可以使用队列来实现，类似于层序。）
7.归并排序
7.1递归实现
在之前的练习题中我们有遇到过类似的问题，如两有序数组合并之后依然有序等问题，解决方法就是取小的数据然后在新数组尾差
归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法,该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有 序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。
但是不便于在原数组上进行，所以我们malloc出一个tmp数组。将原数组均分成两个子数组，若两个子数组有序，就能通过取小的方式进行归并（顺序表、链表等同理）。但是子数组高概率是无序的，我们就需要对子数组继续分，直到分到每个子数组只有一个数据，满足“有序”条件
比如数组{10,6,7,1,3,9,4,2}先分成（10,6）（7,1）（3.9）（4,2），排好为(6,10),(1,7),(3,9),(2,4)，再将(6,10)和(1,7)进行归并......依次类推，直到最后一次由两个数组归并成原来大小的数组
代码实现：
因为此处开始递归的本质至少是针对两个数据（各自作为一个子数组而存在）
所以我们应当先深层递归，从(righ-left)==0的时候开始返回再开始第一次实质性的归并
又因为一开始我们归并的都是很小一部分数组，所以只能回传我们归并的部分，不然可能传入随机值，而由于传址调用的影响是永久的，传随机值进数组会有永久性伤害所以我们还需要增加一个参数tmp
void _MergeSort(int left, int right, int* a,int* tmp) {
if ((right - left) < 1)
return;
int mid = (left + right) / 2;
//[left~mid] [mid+1~right]
_MergeSort(left, mid, a,tmp);
_MergeSort(mid+1, right, a,tmp);
//归并
int begin1 = left, end1 = mid, begin2 = mid + 1, end2 = right;
int i = begin1;//作为临时数组的下标
while (begin1 <= end1 && begin2 <= end2) {
if (a[begin1] < a[begin2]) {
tmp[i++] = a[begin1++];
}
else {
tmp[i++] = a[begin2++];
}
}
while (begin1 <= end1) {
tmp[i++] = a[begin1++];
}
while (begin2 <= end2) {
tmp[i++] = a[begin2++];
}
memcpy(a + left, tmp + left, sizeof(int) * (right - left + 1));
PrintArray(a, right-left+1);printf("\n");
}
void MergeSort(int* a, int n) {
int* tmp = (int*)malloc(sizeof(int) * n);
if (tmp == NULL) {
perror("malloc failed!");
exit(1);
}
_MergeSort(0 ,n-1 ,a,tmp);
free(tmp);
tmp = NULL;
}传回时注意只传排好的，否则有可能通过a这个指针永久性伤害原数组
新tmp的下标i应该和begin1对应
7.2非递归实现
快排本质是前序，在每次递归之前都先解决一个数据的就位，因此能用栈解决非递归转递归的问题
但是归并是后序，用一个栈不方便解决问题。
因此，我们采取循环（迭代）的思想来
递归中，我们是将一个数组几乎分到只剩两个数据为一组。
循环的思想其实就是将递归中分而治之的思想跳过“分”，直接“制”
gap指的是每一组的元素个数，每次将相邻的两组进行归并
相当于是直接跳到最小子问题处，开始回归部分。
每一次是将两组进行归并
所以，每次排好序的都是2*gap个数据
最后，每一轮遍历完再将tmp拷回数组a.
以上方法仅支持个数是2的次方的。若数组元素为10，第一轮可以收，第二轮一共有5组，无法再两两配对，需要对begin1 end1 begin2 end2进行单独的条件判断：
不止第二轮，每一轮都可能遇到奇数的情况，目前的代码（如上图）只能解决二的次方倍个数的
（下标越界了）
首先由条件得，begin1不会越界，若end1或begin2就越界了（换句话说，就是该归并小组的右足完全不存在），就不用归并该小组了，也不需要使用memcpy返回
若只有end2越界（该归并小组的右组存在，但是不是满员并且至少有一个），则该小组依然需要归并，只是该小组的右组变小，但是调整end2即可。
最终实现：
void MergeSortNonR(int* a, int n) {
int* tmp = (int*)malloc(sizeof(int) * n);
//int gap = 1;//gap表示每一组的元素个数
for (int gap = 1; gap <= n - 1; gap *= 2) {
for (int i = 0; i<=n-1; i += gap * 2) {
int begin1 = i, end1 = begin1 + gap - 1;
int begin2 = end1 + 1, end2 = begin2 + gap - 1;//减1的原因就是植树问题
int j = begin1;
//判断几个下标的条件
if (end1 > n - 1 || begin2 > n - 1) {
end1 = n - 1;
begin2 = end2 + 1;
}
else if (end2 > n - 1) {
end2 = n - 1;
}
while (begin1 <= end1 && begin2 <= end2) {
if (a[begin1] < a[begin2]) {
tmp[j++] = a[begin1++];
}
else {
tmp[j++] = a[begin2++];
}
}
while (begin1 <= end1) {
tmp[j++] = a[begin1++];
}
while (begin2 <= end2) {
tmp[j++] = a[begin2++];
}
}
memcpy(a, tmp, n*sizeof(int));
}
}（判断下标条件中，若end1或begin2越界，相当于右侧的归并小组已经不存在，不需要和左侧的一起归并，直接把数组末尾两组中左侧的那组留到下一组进行归并即可。若发生上述情况，为了不让右侧的数组再进入归并，我们直接让begin2大于end2，从而不再进入下面的条件语句）。
8.计数排序
以上所有排序内容，都是通过比较来排序。
常见的非比较排序有：计数排序、桶排序、基数排序。
此处只介绍最常见的一种：计数排序
（非比较排序相对于比较排序，运用场景更小更窄，局限性较强）
适用于统计数据大小范围集中且有数据重复的数据，比如一个班的身高、体重等
其排序比大小的过程在创建“记录数组”时就已经自然产生了
对于集中的数据，这是一种“秒杀”的排序方法：
对于数据范围和个数接近的数组，其复杂度就是遍历一遍数组，也就是O(n)，空间复杂度也是O(n)
但是局限性很明显，排不了浮点数，排不了字符串，排不了结构体。
整形是很便于映射到数组中，但是其他类型就会比较麻烦了，因此说他是一个小众的排序方法。
代码实现如下：
calloc的目的是让里面的数据初始化为0，方便++
9.小结
在比较排序中：
稳定性：一组数据中，在排序后，两个相同的数值的相对顺序变不变，表示有无稳定性
不变就是稳定的，变就是不稳定的。
我们从时间复杂度、空间复杂度、以及稳定性的角度来回顾一下各种排序：
插入排序的基础是直接插入排序，直接插入排序就是打扑克牌中理牌的过程，越接近有序则也不需要理，最坏情况是每一张都要理到头，一共是等差数列求和，所以时间复杂度是O(N^2),不需要额外的空间，空间复杂度是O(1)。由于是按照顺序插入和遍历，所以是有序的。希尔排序是直接插入排序的进阶和优化，时间复杂度较特殊，为O(N^1.3);空间复杂度也是原地空间，但是由于相同大小的数据由于在分gap时可能被分到不同的组，所以不具有稳定性。
直接选择排序就是遍历整个数组找大找小放两头，时间复杂度也是等差数列求和:O(N^2)
不需要额外空间，对于稳定性：
直接选择排序：
在只选一个最小的到左边情况下 ，1能做到稳定，3能做到稳定吗？
而堆排序是经典的nlogn,需要建堆（可以原地建堆），一定是不稳定的。
对于最差的冒泡排序，时间复杂度为O(N^2),空间为原地算法。一定是可以做到稳定的，我们只需要让相等的数据在相邻相遇时不交换即可。快速排序中，每次都是确定并移动key的位置，时间复杂度O（NlogN）,空间复杂度由于递归的存在，每一层递归都要建立相应的函数栈帧，一共递归N层，所以是logN,对于稳定性：
、
最左端的key是5，请问他就位之后还是第一个5吗？
对于最后一种归并排序，时间复杂度为nlogn,空间复杂度为O(N),因为需要新的数组tmp来记录转移的数据。我们任然能做到有序，只需要在归并时 将：
中的第一个if判断改为:
即可。
三稳四不稳，只有冒泡、直接插入、归并是稳定的。
![鱼眼相机的测距流程及误差分析[像素坐标系到空间一点以及测距和误差分析]](https://img-blog.csdnimg.cn/direct/07bb974a9eff4c16a7c897d0535b04d5.png)
