输入整数数组 arr ，找出其中最小的 k 个数。例如，输入4、5、1、6、2、7、3、8这8个数字，则最小的4个数字是1、2、3、4。
示例 1：
输入：arr = [3,2,1], k = 2
输出：[1,2] 或者 [2,1]
示例 2：
输入：arr = [0,1,2,1], k = 1
输出：[0]
限制：
0 <= k <= arr.length <= 10000
0 <= arr[i] <= 10000
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/probl...
方法一：sort排序
思路和算法
对原数组从小到大排序后取出前 k 个数即可。
复杂度分析
- 时间复杂度：O(n logn)，其中 n 是数组 arr 的长度。算法的时间复杂度即排序的时间复杂度。
- 空间复杂度：O(logn)，排序所需额外的空间复杂度为 O(logn)。
vector<int> getLeastNumbers(vector<int>& arr, int k) { vector<int> ans(k, 0); if (arr.size() == 0 || k == 0) { return ans; } sort(arr.begin(), arr.end()); //排序 for (int i = 0; i < k; i++) { ans.push_back(arr[i]); //添加到目标vector } return ans; }
方法二：堆
思路和算法
我们用一个大根堆实时维护数组的前 k 小值。首先将前 k 个数插入大根堆中，随后从第 k+1 个数开始遍历，如果当前遍历到的数比大根堆的堆顶的数要小，就把
堆顶的数弹出，再插入当前遍历到的数。最后将大根堆里的数存入数组返回即可。在下面的代码中，由于 C++ 语言中的堆（即优先队列）为大根堆，我们可以这
么做。而 Python 语言中的堆为小根堆，因此我们要对数组中所有的数取其相反数，才能使用小根堆维护前 k 小值。
复杂度分析
- 时间复杂度：O(n logk)，其中 nn 是数组 arr 的长度。由于大根堆实时维护前 k 小值，所以插入删除都是 O(logk) 的时间复杂度，最坏情况下数组里 n 个数都会插入，所以一共需要 O(nlogk) 的时间复杂度。
- 空间复杂度：O(k)，因为大根堆里最多 k 个数。
vector<int> getLeastNumbers(vector<int>& arr, int k) { vector<int> ans(k, 0); if (arr.size() == 0 || k == 0) { return ans; } priority_queue<int> q; for (int i = 0; i < k; ++i) { //将前k个数插入堆中 q.push(arr[i]); } for (int i = 0; i < (int)arr.size(); ++i) { if (q.top() > arr[i]) { //第 k+1 个数开始遍历，如果当前遍历到的数比大根堆的堆顶的数要小，就把 q.pop(); //堆顶的数弹出，再插入当前遍历到的数 q.push(arr[i]); } } for (int i = 0; i < k; ++i) { ans[i] = q.top(); //把堆中的数存到目标vector中 q.pop(); } return ans; }
