第k小的数(2种快排解法、1种堆排解法)

简介: 第k小的数(2种快排解法、1种堆排解法)

给定一个数组,找出其中最小的K个数。例如数组元素是4,5,1,6,2,7,3,88个数字,则最小的4个数字是1,2,3,4。如果K>数组的长度,那么返回一个空的数组。

1.利用快排的partition函数来进行划分。如果我们的基准数划分完成了以后在第 k 位上的话,那基准数以及基准数前面的元素就是最小的k个数了。

2.创建一个大根堆,限定其最多只能放 𝑘k个元素。然后依次取待排序的数据 𝑎𝑟𝑟[𝑖] arr[i] 往堆里放,堆没满的话直接插入就可以了。如果堆满了的话,那目前堆顶元素就是堆中的最大值。这个时候我们来比较一下 𝑎𝑟𝑟[𝑖] arr[i] 和堆定元素的大小。

如果 𝑎𝑟𝑟[𝑖] arr[i] 比堆顶元素大的话,那就说明数据中已经有 𝑘k个元素比 𝑎𝑟𝑟[𝑖] arr[i] 小了。𝑎𝑟𝑟[𝑖] arr[i] 已经不可能属于最小的 𝑘k个数了。那就直接忽略掉 𝑎𝑟𝑟[𝑖]arr[i]继续看下一个数。

如果 𝑎𝑟𝑟[𝑖] arr[i] 比堆顶元素小的话,那就将堆顶元素删除,把 𝑎𝑟𝑟[𝑖] arr[i] 插入到堆中。

全部看完以后,堆里的k个元素就是最小的k个数了。

//
// Created by RedmiBook on 2022/5/10.
//
#include <bits/stdc++.h>
using namespace std;
//解法1  快排解法
int partition(vector<int>&arr,int l,int r){
    int rd = l+rand()%(r-l);
    swap(arr[rd],arr[l]);
    int key = arr[l];
    while(l < r){
        while(l < r && arr[r] >= key){
            r--;
        }
        arr[l] = arr[r];
        while(l < r && arr[l] < key){
            l++;
        }
        arr[r] = arr[l];
    }
    arr[l] = key;
    return l;
}
//解法2  快排解法
int partition2(vector<int>&arr,int l,int r){
    int rd = l+rand()%(r-l);
    swap(arr[rd],arr[r]);
    int key = arr[r];
    int i=l;
    for(int j=l;j<r;j++){
        if(arr[j] < key){
            swap(arr[j],arr[i]);
            i++;
        }
    }
    swap(arr[i],arr[r]);
    return i;
}
vector<int> GetLeastNumbers_Solution(vector<int>& input,int k){
    vector<int>ans;
    int len = input.size();
    if(k==0 || k>=len) {return ans;}
    int l=0,r=len-1;
    int mid = partition2(input,l,r);
    while(mid != k-1){
        if(mid < k-1){
            l = mid+1;
            mid = partition2(input,l,r);
        }else{
            r = mid-1;
            mid = partition2(input,l,r);
        }
    }
    for(int i=0;i<k;i++){
        ans.push_back(input[i]);
    }
    return ans;
}
//堆排序解法
vector<int>  GetLeastNumbers_heap(vector<int>& input,int k){
    vector<int> ans;
    int len = input.size();
    if(k<0 || k>=len){return ans;}
    priority_queue<int> heap;
    for(int i=0;i<len;i++){
        if(i < k){
            heap.push(input[i]);
        }else{
            if(input[i] < heap.top()){
                heap.pop();
                heap.push(input[i]);
            }
        }
    }
    for(int i=0;i<k;i++){
        ans.push_back(heap.top());
        heap.pop();
    }
    return ans;
}
int main(){
    srand(time(0));
    //解法1  快排解法
    vector<int> src;
    //4,5,1,6,2,7,3,8
    src.push_back(4);
    src.push_back(5);
    src.push_back(1);
    src.push_back(6);
    src.push_back(2);
    src.push_back(7);
    src.push_back(3);
    src.push_back(8);
    vector<int>ans = GetLeastNumbers_heap(src,4);
    for(int i=0;i<ans.size();i++){
        cout<<ans[i]<<" ";
    }
    return 0;
}
相关文章
|
算法
【算法专题突破】双指针 - 三数之和(7)
【算法专题突破】双指针 - 三数之和(7)
48 0
|
1月前
|
算法 C++
【算法】双指针+二分(C/C++
【算法】双指针+二分(C/C++
|
6月前
|
算法 大数据
二分查找和二分答案
二分查找和二分答案
57 1
|
6月前
|
算法 数据处理 C语言
【数据结构与算法】快速排序(详解:快排的Hoare原版,挖坑法和双指针法|避免快排最坏时间复杂度的两种解决方案|小区间优化|非递归的快排)
【数据结构与算法】快速排序(详解:快排的Hoare原版,挖坑法和双指针法|避免快排最坏时间复杂度的两种解决方案|小区间优化|非递归的快排)
|
6月前
|
搜索推荐 算法
AcWing 785. 快速排序(一篇解决快速排序中的边界问题!)
AcWing 785. 快速排序(一篇解决快速排序中的边界问题!)
|
6月前
|
算法 索引
二分查找与二分答案
二分查找与二分答案
|
6月前
|
算法 NoSQL 容器
二分查找 三分查找与二分答案
二分查找 三分查找与二分答案
LeetCode: 16. 最接近的三数之和 | 双指针专题
【LeetCode: 16. 最接近的三数之和 | 双指针专题 】
56 1
|
存储 人工智能 算法
【快速排序、归并排序、整数&浮点数二分查找】思路讲解及代码实现
用一篇Blog来讲解下最近学到的快速排序,归并排序,二分查找等处理数据的方式,为日后的刷题打下坚实的基础。
117 0
|
机器学习/深度学习 存储 人工智能
“二分“==“二分查找“ ?“yes“:“no“;
“二分“==“二分查找“ ?“yes“:“no“;
116 0