数据结构从入门到精通（第六篇） ：堆的应用和深度解析（解决Top-K问题）_数据结构 堆 解决什么问题(2)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

如果只是数据比较少的，我们可以排序找到前几的数据，但是实际应用中我们时常都会面对海量的数据，大到内存无法全部加载，这就需要我们用数据结构中的堆来解决

基本思路

1. 用数据集合中前K个元素来建堆

前k个最大的元素，则建小堆
前k个最小的元素，则建大堆

2. 用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素

将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素。

时间复杂度的计算

然后要遍历数据,最坏的情况是每个元素都与堆顶比较并排序，需要堆化n次

每次最差都下调高度次，而高度为log（k），所以是O(nlog(k))

因此总复杂度是O(k+nlog(k))，也就是O(nlogk)

代码的实现

#include<stdio.h>
#include<stdlib.h>
void swap(int\* a, int\* b)
{
	int tem = \*a;
	\*a = \*b;
	\*b = tem;
}
void AdjustDown(int\*  arr ,int n, int location) //在location位置向下调整
{
	int child = location \* 2 + 1;

	while (child < n)
	{
		if (child + 1 < n && arr[child] > arr[child + 1])
		{
			child++;
		}

		if (arr[child] < arr[location]) //小堆
		{
			swap(&arr[child], &arr[location]);
			location = child;
			child = location \* 2 + 1;
		}
		else
			break;
	}
	
}
int\* TopK(int\* arr, int k,int n)
{
	int\* brr = (int\*)malloc(sizeof(int) \* k);
	for (int i = 0; i < k; i++)//先建堆
	{
		brr[i] = arr[i];
	}


![img](https://img-blog.csdnimg.cn/img_convert/3df45678b0ac53ebb78623c1fc9430b4.png)
![img](https://img-blog.csdnimg.cn/img_convert/41509d79975a9a8e1591338d152c832e.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以添加戳这里获取](https://bbs.csdn.net/topics/618668825)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

ics/618668825)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**