【每日算法Day 82】面试经典题:求第K大数,我写了11种实现,不来看看吗?

简介: 【每日算法Day 82】面试经典题:求第K大数,我写了11种实现,不来看看吗?

题目链接

LeetCode 215. 数组中的第K个最大元素[1]

题目描述

在未排序的数组中找到第 k 个最大的元素。请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。

示例1

输入:
[3,2,1,5,6,4] 和 k = 2
输出:
5

示例2

输入:
[3,2,3,1,2,4,5,5,6] 和 k = 4
输出:
4

解释:

  • 你可以假设 k 总是有效的,且 1 ≤ k ≤ 数组的长度。

题解

排序

对数组从大到小排序,取第  个元素。

或者从小到大排序,取第  个元素。

小根堆+库函数

c++ 自带 priority_queue<int> ,可以实现小根堆。

python 自带 heapq ,可以实现小根堆,同时还自带 nlargest 函数可以直接求出前  大元素。

然后维护一个大小为  的小根堆,保存最大的  个数,堆顶就是第  大的数。新元素入堆,如果堆中元素个数大于  ,就将堆顶元素出堆。

大根堆+库函数

c++ 自带 priority_queue<int, vector<int>, greater<int>> ,可以实现大根堆。

python 没有大根堆实现。

然后维护一个大小为  的大根堆,保存最小的  个数,堆顶就是第  小的数,即第  大的数。新元素入堆,如果堆中元素个数大于  ,就将堆顶元素出堆。

小根堆+手写

利用原地算法,直接将原数组当作一个小根堆。

首先对前  个元素建立初始堆。然后遍历后面的元素,如果大于堆顶元素的话,就和堆顶元素交换位置,并调整堆。

小根堆大小始终为  。

大根堆+手写

利用原地算法,直接将原数组当作一个大根堆。

首先对前  个元素建立初始堆。然后遍历后面的元素,如果小于堆顶元素的话,就和堆顶元素交换位置,并调整堆。

大根堆大小始终为  。

快速选择

思想类似于快速排序,首先随机选取一个元素 ,然后将区间内元素比  小的都放在  左边,比  大的都放在  右边。

然后看  的下标 ,如果 ,那就说明  就是第  小(第  大)的元素,直接返回即可。否则如果 ,那就说明第  大元素在  的右边区间内,递归寻找即可。否则就在左边区间,递归寻找。

代码

排序(c++)

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        sort(nums.begin(), nums.end(), greater<int>());
        return nums[k-1];
    }
};

小根堆+STL优先队列(c++)

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        priority_queue<int, vector<int>, greater<int>> Q;
        for (auto x : nums) {
            Q.push(x);
            while (Q.size() > k) Q.pop();
        }
        return Q.top();
    }
};

大根堆+STL优先队列(c++)

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        priority_queue<int> Q;
        for (auto x : nums) {
            Q.push(x);
            while (Q.size() > nums.size()-k+1) Q.pop();
        }
        return Q.top();
    }
};

小根堆+手写(c++)

class Solution {
public:
    void adjust(vector<int>& nums, int p, int s) {
        while (2*p+1 < s) {
            int c1 = 2*p+1;
            int c2 = 2*p+2;
            int c = (c2<s && nums[c2]<nums[c1]) ? c2 : c1;
            if (nums[c] < nums[p]) swap(nums[c], nums[p]);
            else break;
            p = c;
        }
    }
    int findKthLargest(vector<int>& nums, int k) {
        int n = nums.size();
        for (int i = k/2-1; i >= 0; --i) {
            adjust(nums, i, k);
        }
        for (int i = k; i < n; ++i) {
            if (nums[0] >= nums[i]) continue;
            swap(nums[0], nums[i]);
            adjust(nums, 0, k);
        }
        return nums[0];
    }
};

大根堆+手写(c++)

class Solution {
public:
    void adjust(vector<int>& nums, int p, int s) {
        while (2*p+1 < s) {
            int c1 = 2*p+1;
            int c2 = 2*p+2;
            int c = (c2<s && nums[c2]>nums[c1]) ? c2 : c1;
            if (nums[c] > nums[p]) swap(nums[c], nums[p]);
            else break;
            p = c;
        }
    }
    int findKthLargest(vector<int>& nums, int k) {
        int n = nums.size();
        for (int i = (n-k+1)/2-1; i >= 0; --i) {
            adjust(nums, i, (n-k+1));
        }
        for (int i = (n-k+1); i < n; ++i) {
            if (nums[0] <= nums[i]) continue;
            swap(nums[0], nums[i]);
            adjust(nums, 0, (n-k+1));
        }
        return nums[0];
    }
};

快速选择(c++)

class Solution {
public:
    int partition(vector<int>& nums, int l, int r) {
        int p = l+rand()%(r-l+1), m = l;
        swap(nums[p], nums[r]);
        for (int i = l; i < r; ++i) {
            if (nums[i] < nums[r]) {
                swap(nums[i], nums[m++]);
            }
        }
        swap(nums[m], nums[r]);
        return m;
    }
    int quickSelect(vector<int>& nums, int l, int r, int k) {
        if (l == r) return nums[l];
        int m = partition(nums, l, r);
        if (k == m+1) return nums[m];
        if (k < m+1) return quickSelect(nums, l, m-1, k);
        return quickSelect(nums, m+1, r, k);
    }
    int findKthLargest(vector<int>& nums, int k) {
        int n = nums.size();
        srand((int)time(0));
        return quickSelect(nums, 0, n-1, n-k+1);
    }
};

排序(python)

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        nums.sort(reverse=True)
        return nums[k-1]

小根堆+heapq(python)

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        return heapq.nlargest(k, nums)[-1]

小根堆+手写(python)

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        def adjust(nums, p, s):
            while 2*p+1 < s:
                c1, c2 = 2*p+1, 2*p+2
                c = c2 if (c2<s and nums[c2]<nums[c1]) else c1
                if nums[c] < nums[p]:
                    nums[c], nums[p] = nums[p], nums[c]
                else:
                    break
                p = c
        n = len(nums)
        for i in range(k//2-1, -1, -1):
            adjust(nums, i, k)
        for i in range(k, n):
            if nums[0] >= nums[i]: continue
            nums[0], nums[i] = nums[i], nums[0]
            adjust(nums, 0, k)
        return nums[0]

大根堆+手写(python)

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        def adjust(nums, p, s):
            while 2*p+1 < s:
                c1, c2 = 2*p+1, 2*p+2
                c = c2 if (c2<s and nums[c2]>nums[c1]) else c1
                if nums[c] > nums[p]:
                    nums[c], nums[p] = nums[p], nums[c]
                else:
                    break
                p = c
        n = len(nums)
        for i in range((n-k+1)//2-1, -1, -1):
            adjust(nums, i, (n-k+1))
        for i in range((n-k+1), n):
            if nums[0] <= nums[i]: continue
            nums[0], nums[i] = nums[i], nums[0]
            adjust(nums, 0, (n-k+1))
        return nums[0]

快速选择(python)

import random
class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        def partition(nums, l, r):
            p, m = l+random.randint(0, r-l), l
            nums[p], nums[r] = nums[r], nums[p]
            for i in range(l, r):
                if nums[i] < nums[r]:
                    nums[m], nums[i] = nums[i], nums[m]
                    m += 1
            nums[m], nums[r] = nums[r], nums[m]
            return m
        def quickSelect(nums, l, r, k):
            if l == r: return nums[l]
            m = partition(nums, l, r)
            if k == m+1: return nums[m]
            if k < m+1: return quickSelect(nums, l, m-1, k)
            return quickSelect(nums, m+1, r, k)
        n = len(nums)
        return quickSelect(nums, 0, n-1, n-k+1)
相关文章
|
3月前
|
负载均衡 NoSQL 算法
一天五道Java面试题----第十天(简述Redis事务实现--------->负载均衡算法、类型)
这篇文章是关于Java面试中Redis相关问题的笔记,包括Redis事务实现、集群方案、主从复制原理、CAP和BASE理论以及负载均衡算法和类型。
一天五道Java面试题----第十天(简述Redis事务实现--------->负载均衡算法、类型)
|
1月前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩分享分库分表的基因算法设计,涵盖分片键选择、水平拆分策略及基因法优化查询效率等内容,助力面试者应对大厂技术面试,提高架构设计能力。
美团面试:百亿级分片,如何设计基因算法?
|
1月前
|
算法 前端开发 Java
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
这篇文章总结了单链表的常见面试题,并提供了详细的问题分析、思路分析以及Java代码实现,包括求单链表中有效节点的个数、查找单链表中的倒数第k个节点、单链表的反转以及从尾到头打印单链表等题目。
33 1
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
|
1月前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
1月前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩在读者群中分享了关于分库分表的基因算法设计,旨在帮助大家应对一线互联网企业的面试题。文章详细介绍了分库分表的背景、分片键的设计目标和建议,以及基因法的具体应用和优缺点。通过系统化的梳理,帮助读者提升架构、设计和开发水平,顺利通过面试。
美团面试:百亿级分片,如何设计基因算法?
|
1月前
|
算法 Java 数据中心
探讨面试常见问题雪花算法、时钟回拨问题,java中优雅的实现方式
【10月更文挑战第2天】在大数据量系统中,分布式ID生成是一个关键问题。为了保证在分布式环境下生成的ID唯一、有序且高效,业界提出了多种解决方案,其中雪花算法(Snowflake Algorithm)是一种广泛应用的分布式ID生成算法。本文将详细介绍雪花算法的原理、实现及其处理时钟回拨问题的方法,并提供Java代码示例。
73 2
|
2月前
|
机器学习/深度学习 JavaScript 算法
面试中的网红虚拟DOM,你知多少呢?深入解读diff算法
该文章深入探讨了虚拟DOM的概念及其diff算法,解释了虚拟DOM如何最小化实际DOM的更新,以此提升web应用的性能,并详细分析了diff算法的实现机制。
|
3月前
|
消息中间件 存储 算法
这些年背过的面试题——实战算法篇
本文是技术人面试系列实战算法篇,面试中关于实战算法都需要了解哪些内容?一文带你详细了解,欢迎收藏!
|
3月前
|
JavaScript 算法 索引
【Vue面试题二十三】、你了解vue的diff算法吗?说说看
这篇文章深入分析了Vue中的diff算法,解释了其在新旧虚拟DOM节点比较中的工作机制,包括同层节点比较、循环向中间收拢的策略,并通过实例演示了diff算法的执行过程,同时提供了源码层面的解析,说明了当数据变化时,如何通过Watcher触发patch函数来更新DOM。
【Vue面试题二十三】、你了解vue的diff算法吗?说说看
|
3月前
|
机器学习/深度学习 算法 数据中心
【机器学习】面试问答:PCA算法介绍?PCA算法过程?PCA为什么要中心化处理?PCA为什么要做正交变化?PCA与线性判别分析LDA降维的区别?
本文介绍了主成分分析(PCA)算法,包括PCA的基本概念、算法过程、中心化处理的必要性、正交变换的目的,以及PCA与线性判别分析(LDA)在降维上的区别。
93 4
下一篇
无影云桌面