地信网论坛
后使用快捷导航没有帐号？
只需一步，快速开始
闅忔椂闅忓湴锛屽揩閫熻闂
鍙鎵嬫満鍦ㄦ墜锛屾偍閮藉彲浠ュ揩閫熴佹柟渚垮湴鐪嬭创鍙戝笘锛屼笌璁哄潧濂藉弸鏀跺彂鐭秷鎭
鏋佽嚧浼樺寲锛岀晠蹇"鎮"璇
鐙湁鐨勮鍧涚晫闈㈠拰瑙﹀睆璁捐锛屾墜鏈鸿鍧涗篃鍙樺緱璧忓績鎮︾洰锛屾搷浣滆嚜濡傘
鍗虫媿鍗冲彂锛屽垎浜敓娲
涓嶇鏄鏅浘鐢伙紝杩樻槸鏂伴椈鐜板満锛屾媿鐓у彂甯栦竴姘斿懙鎴愶紝璁╂偍鍦ㄨ鍧涘嚭灏介澶淬
涓嬭浇瀹㈡埛绔悗锛屾媿鎽勪簩缁寸爜蹇熻闂湰绔:
鎴栬呴氳繃浠ヤ笅鍦板潃璁块棶:
忘记密码，找回密码请发邮件到此邮箱:
Powered by注册 | 登录
零基础学产品，BAT产品总监带，2天线下集训+1年在线课程，全面掌握优秀产品经理必备技能。
很多商业案例分析都离不开数据的支撑，因此掌握数据分析的方法就显得十分重要了。
呈现在我们眼前所有精彩的商业案例分析，如果溯其论点的来源，都是脱离不了底层的数据支撑的。所以，懂点数据分析很有必要。Allen今天就给大家分享一下自己日常是如何做数据分析的。
Ps：讲的不是数据分析师方向，而是日常的基础数据分析思路
通常Allen在做数据分析时，会把数据分析拆分为5个步骤来进行（收集、清洗、对比、细分、溯源）。下面一一展开来讲。
一.数据收集
当我们在做数据分析时，第一步要解决的问题肯定就是数据源的问题。Allen通常把数据分为二大类。
第一类是直接能获取的数据，通常都是内部数据。无非就是从网站后台或者是自己家的数据库里面导。
第二类就是外部数据，需要经过加工整理后得到的数据。
典型的数据来源有：
百度指数：http://index.baidu.com/ （分析市场容量）
阿里指数：https://alizs.taobao.com/（分析销量、份额）
梅花网：http://adm.meihua.info/ （分析广告投放）
CNZZ、微博指数等等。。。。
当然还有很多很多有价值的数据源（根据行业、需要找到最合适自己的数据源），上面列举的三个典型的数据源只为举例子之用。在这里要着重提一点，第三方数据来源往往需要考虑数据源真实度。
二.数据清洗
清洗数据（筛选、清除、补充、纠正）的目的无非是从大量的、杂乱无章、难以理解的数据中抽取并推导出对解决问题有价值、有意义的数据。清洗后、保存下来真正有价值、有条理的数据，为后面做数据分析减少分析障碍。这里不详述
三.数据对比
对比，是数据分析的切入点。因为如果没参照物，数据就没有一个定量的评估标准。通常情况下我们从二个点去切入进行数据对比分析：1.横向对比 2.纵向对比
横向对比，与行业平均数据，与竞争对手的数据进行比对。举个粟子，比如你家的APP用户留存率是60%，而行业平均留存是70%或竞争对手的用户留存率是70%，那就说明你家的产品在留存率方面有待加强！
纵向对比，与自家产品的历史数据进行对比，围绕着时间轴来对比。还是用用户留存率来进行举粟子吧，比如，APP改版前30天，新用户留存率是70%的，而新版APP发布后，新用户留存率降了10%或者升了5%，这就产生了问题，到底是那些因素导致数据产生了异常呢？
要知道数据比对是发现问题的第一步，发现了问题才需要我去找出问题，并解决它。如果没有参考的对象，单独的数据放在那里，是没意义的。
四.数据细分
数据对比发现了异常，我们当然想知道是什么原因导致的。这里就要用到数据细分了，数据细分通常情况下先分纬度，再分粒度。
何谓为纬度？按时间分类就是时间纬度，按地区分类就是地域纬度，按来路分类就是来源纬度，按受访页面分类就是受访纬度。今天APP访问量涨了5%，咋回事不知道，你细分一看，大部分网页都没涨，某个频道某个活动页涨了300%，这就清楚了，这就是细分最简单的范例，其实很多领域都通用。
粒度是什么？你时间纬度，是按照天，还是按照小时？这就是粒度差异，你来路纬度，是来路的网站，还是来路的url，这就是粒度的差异；纬度结合粒度进行细分，就可以将对比的差异值逐级锁定问题区域，就可以更容易地寻找出发生问题的原因了。
五.数据溯源
通常情况下，通过数据细分就能分析出大多数问题的原因并推导出结论了。但也有特殊的情况，即使具体到粒度了也得不出有说服力的结论。
这时候我们再进一步，通过数据溯源就能找出问题的原因。依据锁定的这个纬度和粒度作为搜索条件，查询所涉及的源日志，源记录，然后基于此分析和反思用户的行为，往往会有惊人的发现。
又或者结合用户使用场景去思考，比如：国内的社交产品，在上下班的时间段会特别活跃，而该产品经理对比美国地区却发现在美国地区用户的上班活跃数据恰恰相反，特别低，到底是什么原因呢。看数据怎么也看不出来，怎么办呢？若果该产品经理结合用户上班时的使用场景去思考就能一眼看出问题，因为国内的上班一族通常上是通过公交、地铁等公共交通工具去上班的，所以他们有大把的时间在玩社交，刷朋友圈。而美国地区的上班一族，大多数都是自驾车去上班（车轮上的国家），他们上班时间都在专心地开车，根本没有时间去玩手机，玩社交产品。
其实，Allen在以往工作的时候就基于这一逻辑发现过一些产品的一些缺陷，而且你不断通过这个方式分析数据，对用户行为的理解也会逐步加深。
最后，作个简单的总结：马云粑粑说阿里管理有三板斧：揪头发、照镜子、闻味道。而同样，在数据分析这里，则是五板斧：收集、清洗、对比、细分、溯源。这是数据分析里最核心的最实用的“一口箱子”。
#专栏作家#
Allen，个人微信：qq，伟朋投资行业分析师，欢迎交流。
本文原创发布于人人都是产品经理。未经许可，禁止转载。
赞赏是对原创者的最大认可
赞赏4人打赏
收藏已收藏 | 103赞已赞 | 8
产品经理群
运营交流群
品牌营销群
文案交流群
Axure交流群
关注微信公众号
大家都在问
10个回答8人关注
10个回答8人关注
8个回答5人关注
4个回答2人关注
15个回答23人关注
15个回答9人关注大佬们，我现在二周目了，做的数据分析狂那个任务，现在这个地方过不去了，我该怎么过啊【尼尔机械纪元吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：84,809贴子：
大佬们，我现在二周目了，做的数据分析狂那个任务，现在这个地方
大佬们，我现在二周目了，做的数据分析狂那个任务，现在这个地方过不去了，我该怎么过啊
你为什么要到这边来呢？ 就在对面，你还跑过来了。不是两个小地方吗。有一个地方掉下来四个集装箱。另一个相同地方不掉集装箱的往里走就到了。
参考高跳视频。
贴吧热议榜
使用签名档&&
保存至快速回贴有数据分析方面的大佬吗，cda和cpda有人了解吗！
小弟今年刚毕业，工作之外有很多空闲时间，对数据分析比较感兴趣，之前在淘宝买了课，也在跟着瞎学，可是要是想从事这行的话如何入门啊，要是考研的话考哪个方向呢，数学？统计学？还是什么。福利上点压箱底的。
数据分析可能并没有你想的那么好做，简单的数据分析可替代性太高，产出的只是一个报表性文件；更深层次的就涉及到数据挖掘，文本分析，大数据平台搭建等；或者走金融领域，量化分析，这些都需要很长的一个专业学习
那句皇上，喊得我啊..............醉了~~~~~~~哎呀呀呀呀呀有
引用 @ 发表的:数据分析可能并没有你想的那么好做，简单的数据分析可替代性太高，产出的只是一个报表性文件；更深层次的就涉及到数据挖掘，文本分析，大数据平台搭建等；或者走金融领域，量化分析，这些都需要很长的一个专业学习我知道，老哥这么说吧，其实我特别想从事的就是篮球方面的各项数据分析，可惜国内的联赛没有这方面的需求，可是我觉得大姚一步步完善联赛，总会有这方面的机会，所以我想学一下，之前就有在关注这方面的知识，但是不全面，也不知道怎么入门才好，最近工作了有空闲时间，就想着到街里问一句。
来我们院吧
引用 @ 发表的:来我们院吧什么院啊。
引用 @ 发表的:什么院啊。大数据学院 应该挺符合你的需求
您需要登录后才可以回复，请或者
80人参加团购145.00元&209.00元
42人参加团购145.00元&358.00元
63人参加团购131.20元&168.00元
226人参加团购13.90元&117.00元
286人参加团购299.00元&569.00元
839人参加团购139.00元&199.00元
695人参加团购199.00元&699.00元
48人参加团购89.00元&319.00元
282人参加团购679.00元&1199.00元
291人参加团购399.00元&899.00元
1400人参加团购429.00元&1099.00元
37人参加团购49.00元&129.00元　　排序一直以来都是让我很头疼的事，以前上《数据结构》打酱油去了，整个学期下来才勉强能写出个冒泡排序。由于下半年要准备工作了，也知道排序算法的重要性（据说是面试必问的知识点），所以又花了点时间重新研究了一下。
　　排序大的分类可以分为两种：内排序和外排序。在排序过程中，全部记录存放在内存，则称为内排序，如果排序过程中需要使用外存，则称为外排序。下面讲的排序都是属于内排序。
　　内排序有可以分为以下几类：
　　(1)、插入排序：直接插入排序、二分法插入排序、希尔排序。
　　(2)、选择排序：简单选择排序、堆排序。
　　(3)、交换排序：冒泡排序、快速排序。
　　(4)、归并排序
　　(5)、基数排序
一、插入排序
&思想：每步将一个待排序的记录，按其顺序码大小插入到前面已经排序的字序列的合适位置，直到全部插入排序完为止。
&关键问题：在前面已经排好序的序列中找到合适的插入位置。
&直接插入排序
&二分插入排序
①直接插入排序（从后向前找到合适位置后插入）
　　1、基本思想：每步将一个待排序的记录，按其顺序码大小插入到前面已经排序的字序列的合适位置（从后向前找到合适位置后），直到全部插入排序完为止。
　　2、实例
　　3、java实现
1 package com.
3 public class 直接插入排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,76,13,27,49,78,34,12,64,1};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//直接插入排序
for (int i = 1; i & a. i++) {
//待插入元素
int temp = a[i];
/*for (j = i-1; j&=0 && a[j]& j--) {
//将大于temp的往后移动一位
a[j+1] = a[j];
for (j = i-1; j&=0; j--) {
//将大于temp的往后移动一位
if(a[j]&temp){
a[j+1] = a[j];
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
　　4、分析
　　直接插入排序是稳定的排序。关于各种算法的稳定性分析可以参考
　　文件初态不同时，直接插入排序所耗费的时间有很大差异。若文件初态为正序，则每个待插入的记录只需要比较一次就能够找到合适的位置插入，故算法的时间复杂度为O(n)，这时最好的情况。若初态为反序，则第i个待插入记录需要比较i+1次才能找到合适位置插入，故时间复杂度为O(n2)，这时最坏的情况。
　　直接插入排序的平均时间复杂度为O(n2)。
②二分法插入排序（按二分法找到合适位置插入）
　　1、基本思想：二分法插入排序的思想和直接插入一样，只是找合适的插入位置的方式不同，这里是按二分法找到合适的位置，可以减少比较的次数。
　　2、实例
　　3、java实现
1 package com.
3 public class 二分插入排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,176,213,227,49,78,34,12,164,11,18,1};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//二分插入排序
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
private static void sort(int[] a) {
for (int i = 0; i & a. i++) {
int temp = a[i];
int left = 0;
int right = i-1;
int mid = 0;
while(left&=right){
mid = (left+right)/2;
if(temp&a[mid]){
right = mid-1;
left = mid+1;
for (int j = i-1; j &= j--) {
a[j+1] = a[j];
if(left != i){
　　4、分析
　　当然，二分法插入排序也是稳定的。
　　二分插入排序的比较次数与待排序记录的初始状态无关，仅依赖于记录的个数。当n较大时，比直接插入排序的最大比较次数少得多。但大于直接插入排序的最小比较次数。算法的移动次数与直接插入排序算法的相同，最坏的情况为n2/2，最好的情况为n，平均移动次数为O(n2)。
③希尔排序
　　1、基本思想：先取一个小于n的整数d1作为第一个，把文件的全部记录分成d1个组。所有距离为d1的倍数的记录放在同一个组中。先在各组内进行；然后，取第二个增量d2&d1重复上述的分组和排序，直至所取的增量dt=1(dt&dt-l&&&d2&d1)，即所有记录放在同一组中进行直接插入排序为止。该方法实质上是一种分组插入方法。
　　2、实例
　3、java实现
1 package com.
3 //不稳定
4 public class 希尔排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,76,13,27,49,78,34,12,64,1};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//希尔排序
int d = a.
while(true){
d = d / 2;
for(int x=0;x&d;x++){
for(int i=x+d;i&a.i=i+d){
int temp = a[i];
for(j=i-d;j&=0&&a[j]&j=j-d){
a[j+d] = a[j];
if(d == 1){
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
　　4、分析
　　我们知道一次插入排序是稳定的，但在不同的插入排序过程中，相同的元素可能在各自的插入排序中移动，最后其稳定性就会被打乱，所以希尔排序是不稳定的。
　　希尔排序的时间性能优于直接插入排序，原因如下：
　　（1）当文件初态基本有序时直接插入排序所需的比较和移动次数均较少。
　　（2）当n值较小时，n和n2的差别也较小，即直接插入排序的最好时间复杂度O(n)和最坏时间复杂度0(n2)差别不大。
　　（3）在希尔排序开始时增量较大，分组较多，每组的记录数目少，故各组内直接插入较快，后来增量di逐渐缩小，分组数逐渐减少，而各组的记录数目逐渐增多，但由于已经按di-1作为距离排过序，使文件较接近于有序状态，所以新的一趟排序过程也较快。
　　因此，希尔排序在效率上较直接插人排序有较大的改进。
　　希尔排序的平均时间复杂度为O(nlogn)。
二、选择排序
&思想：每趟从待排序的记录序列中选择关键字最小的记录放置到已排序表的最前位置，直到全部排完。
&关键问题：在剩余的待排序记录序列中找到最小关键码记录。
&直接选择排序
①简单的选择排序
　　1、基本思想：在要排序的一组数中，选出最小的一个数与第一个位置的数交换；然后在剩下的数当中再找最小的与第二个位置的数交换，如此循环到倒数第二个数和最后一个数比较为止。
　　2、实例
　　3、java实现
1 package com.
3 //不稳定
4 public class 简单的选择排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,76,13,27,49,78,34,12,64,1,8};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//简单的选择排序
for (int i = 0; i & a. i++) {
int min = a[i];
int n=i; //最小数的索引
for(int j=i+1;j&a.j++){
if(a[j]&min){
//找出最小的数
min = a[j];
a[n] = a[i];
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
&& 　4、分析
　　简单选择排序是不稳定的排序。
　　时间复杂度：T(n)=O(n2)。
　　1、基本思想：
　　堆排序是一种树形选择排序，是对直接选择排序的有效改进。
　　堆的定义下：具有n个元素的序列 （h1,h2,...,hn),当且仅当满足（hi&=h2i,hi&=2i+1）或（hi&=h2i,hi&=2i+1） (i=1,2,...,n/2)时称之为堆。在这里只讨论满足前者条件的堆。由堆的定义可以看出，堆顶元素（即第一个元素）必为最大项（大顶堆）。完全二 叉树可以很直观地表示堆的结构。堆顶为根，其它为左子树、右子树。
　　思想:初始时把要排序的数的序列看作是一棵顺序存储的二叉树，调整它们的存储序，使之成为一个 堆，这时堆的根节点的数最大。然后将根节点与堆的最后一个节点交换。然后对前面(n-1)个数重新调整使之成为堆。依此类推，直到只有两个节点的堆，并对 它们作交换，最后得到有n个节点的有序序列。从算法描述来看，堆排序需要两个过程，一是建立堆，二是堆顶与堆的最后一个元素交换位置。所以堆排序有两个函数组成。一是建堆的渗透函数，二是反复调用渗透函数实现排序的函数。
　　2、实例
初始序列：46,79,56,38,40,84
　　建堆：
&　　交换，从堆中踢出最大数
依次类推：最后堆中剩余的最后两个结点交换，踢出一个，排序完成。
　　3、java实现
1 package com.
2 //不稳定
3 import java.util.A
5 public class HeapSort {
public static void main(String[] args) {
int[] a={49,38,65,97,76,13,27,49,78,34,12,64};
int arrayLength=a.
//循环建堆
for(int i=0;i&arrayLength-1;i++){
buildMaxHeap(a,arrayLength-1-i);
//交换堆顶和最后一个元素
swap(a,0,arrayLength-1-i);
System.out.println(Arrays.toString(a));
//对data数组从0到lastIndex建大顶堆
public static void buildMaxHeap(int[] data, int lastIndex){
//从lastIndex处节点（最后一个节点）的父节点开始
for(int i=(lastIndex-1)/2;i&=0;i--){
//k保存正在判断的节点
//如果当前k节点的子节点存在
while(k*2+1&=lastIndex){
//k节点的左子节点的索引
int biggerIndex=2*k+1;
//如果biggerIndex小于lastIndex，即biggerIndex+1代表的k节点的右子节点存在
if(biggerIndex&lastIndex){
//若果右子节点的值较大
if(data[biggerIndex]&data[biggerIndex+1]){
//biggerIndex总是记录较大子节点的索引
biggerIndex++;
//如果k节点的值小于其较大的子节点的值
if(data[k]&data[biggerIndex]){
//交换他们
swap(data,k,biggerIndex);
//将biggerIndex赋予k，开始while循环的下一次循环，重新保证k节点的值大于其左右子节点的值
private static void swap(int[] data, int i, int j) {
int tmp=data[i];
data[i]=data[j];
　　4、分析
　　堆排序也是一种不稳定的排序算法。
　　堆排序优于简单选择排序的原因：
　　直接选择排序中，为了从R[1..n]中选出关键字最小的记录，必须进行n-1次比较，然后在R[2..n]中选出关键字最小的记录，又需要做n-2次比较。事实上，后面的n-2次比较中，有许多比较可能在前面的n-1次比较中已经做过，但由于前一趟排序时未保留这些比较结果，所以后一趟排序时又重复执行了这些比较操作。
　　堆排序可通过树形结构保存部分比较结果，可减少比较次数。
　　堆排序的最坏为O(nlogn)。堆序的平均性能较接近于最坏性能。由于建初始堆所需的比较次数较多，所以堆排序不适宜于记录数较少的文件。
三、交换排序
①冒泡排序
　　1、基本思想：在要排序的一组数中，对当前还未排好序的范围内的全部数，自上而下对相邻的两个数依次进行比较和调整，让较大的数往下沉，较小的往上冒。即：每当两相邻的数比较后发现它们的排序与排序要求相反时，就将它们互换。
　　2、实例
　　3、java实现
1 package com.
4 public class 冒泡排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,76,13,27,49,78,34,12,64,1,8};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//冒泡排序
for (int i = 0; i & a. i++) {
for(int j = 0; j&a.length-i-1; j++){
//这里-i主要是每遍历一次都把最大的i个数沉到最底下去了，没有必要再替换了
if(a[j]&a[j+1]){
int temp = a[j];
a[j] = a[j+1];
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
　　4、分析
　　冒泡排序是一种稳定的排序方法。　
&若文件初状为正序，则一趟起泡就可完成排序，排序码的比较次数为n-1，且没有记录移动，时间复杂度是O(n)
&若文件初态为逆序，则需要n-1趟起泡，每趟进行n-i次排序码的比较，且每次比较都移动三次，比较和移动次数均达到最大值∶O(n2)
&起泡排序平均时间复杂度为O(n2)
②快速排序
　　1、基本思想：选择一个基准元素,通常选择第一个元素或者最后一个元素,通过一趟扫描，将待排序列分成两部分,一部分比基准元素小,一部分大于等于基准元素,此时基准元素在其排好序后的正确位置,然后再用同样的方法递归地排序划分的两部分。
　　2、实例
　　3、java实现
package com.
public class 快速排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,76,13,27,49,78,34,12,64,1,8};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//快速排序
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
private static void quick(int[] a) {
if(a.length&0){
quickSort(a,0,a.length-1);
private static void quickSort(int[] a, int low, int high) {
if(low&high){ //如果不加这个判断递归会无法退出导致堆栈溢出异常
int middle = getMiddle(a,low,high);
quickSort(a, 0, middle-1);
quickSort(a, middle+1, high);
private static int getMiddle(int[] a, int low, int high) {
int temp = a[low];//基准元素
while(low&high){
//找到比基准元素小的元素位置
while(low&high && a[high]&=temp){
a[low] = a[high];
while(low&high && a[low]&=temp){
a[high] = a[low];
　　4、分析
　　快速排序是不稳定的排序。
　　快速排序的时间复杂度为O(nlogn)。
　　当n较大时使用快排比较好，当序列基本有序时用快排反而不好。
四、归并排序
　　1、基本思想:归并（Merge）排序法是将两个（或两个以上）有序表合并成一个新的有序表，即把待排序序列分为若干个子序列，每个子序列是有序的。然后再把有序子序列合并为整体有序序列。
　　2、实例
　　3、java实现
1 package com.
4 public class 归并排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,76,13,27,49,78,34,12,64,1,8};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//归并排序
mergeSort(a,0,a.length-1);
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
private static void mergeSort(int[] a, int left, int right) {
if(left&right){
int middle = (left+right)/2;
//对左边进行递归
mergeSort(a, left, middle);
//对右边进行递归
mergeSort(a, middle+1, right);
merge(a,left,middle,right);
private static void merge(int[] a, int left, int middle, int right) {
int[] tmpArr = new int[a.length];
int mid = middle+1; //右边的起始位置
int third =
while(left&=middle && mid&=right){
//从两个数组中选取较小的数放入中间数组
if(a[left]&=a[mid]){
tmpArr[third++] = a[left++];
tmpArr[third++] = a[mid++];
//将剩余的部分放入中间数组
while(left&=middle){
tmpArr[third++] = a[left++];
while(mid&=right){
tmpArr[third++] = a[mid++];
//将中间数组复制回原数组
while(tmp&=right){
a[tmp] = tmpArr[tmp++];
　　4、分析
　　归并排序是稳定的排序方法。
　　归并排序的时间复杂度为O(nlogn)。
　　速度仅次于快速排序，为稳定排序算法，一般用于对总体无序，但是各子项相对有序的数列。
五、基数排序
　　1、基本思想：将所有待比较数值（正整数）统一为同样的数位长度，数位较短的数前面补零。然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后,数列就变成一个有序序列。
　　2、实例
　　3、java实现
1 package com.
3 import java.util.ArrayL
4 import java.util.L
6 public class 基数排序 {
public static void main(String[] args) {
int[] a={49,38,65,97,176,213,227,49,78,34,12,164,11,18,1};
System.out.println("排序之前：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
//基数排序
System.out.println();
System.out.println("排序之后：");
for (int i = 0; i & a. i++) {
System.out.print(a[i]+" ");
private static void sort(int[] array) {
//找到最大数，确定要排序几趟
int max = 0;
for (int i = 0; i & array. i++) {
if(max&array[i]){
max = array[i];
//判断位数
int times = 0;
while(max&0){
max = max/10;
//建立十个队列
List&ArrayList& queue = new ArrayList&ArrayList&();
for (int i = 0; i & 10; i++) {
ArrayList queue1 = new ArrayList();
queue.add(queue1);
//进行times次分配和收集
for (int i = 0; i & i++) {
for (int j = 0; j & array. j++) {
int x = array[j]%(int)Math.pow(10, i+1)/(int)Math.pow(10, i);
ArrayList queue2 = queue.get(x);
queue2.add(array[j]);
queue.set(x,queue2);
int count = 0;
for (int j = 0; j & 10; j++) {
while(queue.get(j).size()&0){
ArrayList&Integer& queue3 = queue.get(j);
array[count] = queue3.get(0);
queue3.remove(0);
　　4、分析
　　基数排序是稳定的排序算法。
　　基数排序的时间复杂度为O(d(n+r)),d为位数，r为基数。
一、稳定性:
　&& 稳定：冒泡排序、插入排序、归并排序和基数排序
　　不稳定：选择排序、快速排序、希尔排序、堆排序
二、平均时间复杂度
　　O(n^2):直接插入排序，简单选择排序，冒泡排序。
　　在数据规模较小时（9W内），直接插入排序，简单选择排序差不多。当数据较大时，冒泡排序算法的时间代价最高。性能为O(n^2)的算法基本上是相邻元素进行比较，基本上都是稳定的。
　　O(nlogn):快速排序，归并排序，希尔排序，堆排序。
　　其中，快排是最好的， 其次是归并和希尔，堆排序在数据量很大时效果明显。
三、排序算法的选择
　　1.数据规模较小
& 　　（1）待排序列基本序的情况下，可以选择直接插入排序；
& 　　（2）对稳定性不作要求宜用简单选择排序，对稳定性有要求宜用插入或冒泡
　　2.数据规模不是很大
　　（1）完全可以用内存空间，序列杂乱无序，对稳定性没有要求，快速排序，此时要付出log（N）的额外空间。
　　（2）序列本身可能有序，对稳定性有要求，空间允许下，宜用归并排序
　　3.数据规模很大
&& 　　（1）对稳定性有求，则可考虑归并排序。
&&& 　　（2）对稳定性没要求，宜用堆排序
　　4.序列初始基本有序（正序），宜用直接插入，冒泡
阅读(...) 评论()