在大量数据(海量)中找到前K大或者前K小的数
一般而言有两种思路:利用堆排序和利用快排,其中快排的效率会更高效一些
利用堆排序:
堆排序的基本思路就是建立最大堆(最小堆),最大堆是父节点比任意子节点的值都要大,根节点是最大的值。堆排序的话就将全部的n个数组成最大堆,那么根节点就是最大的数,保留这个根节点;然后将最后一个叶子节点换到根节点上,调整整个堆使之重新成为最大堆,那么根节点就是第二大的数;依次类推,直到得到一个有序的数组。调整堆的时间复杂度为O(nlogn)
那么怎么利用堆排序来得到n个数中的前K个呢?
还是上面的最大堆(用来找前k小的数),如果只对n个数中的前k个数建立最大堆,此时堆顶的值(假设为q)就是这K各数里最大的,然后从剩下的n-k个数里遍历,如果当前的数比堆顶的q小,那说明这个数应该取代最大堆的根节点,成为最小的k个数之一(因为堆里就有k个数,要找的是k个最小的,而此时堆外面那个数比堆里的数还小,必然应该进来,那么就换出去现在里面最大的那个堆顶的数q)
换完之后用新的k个数重新构建一下最大堆,然后继续在剩下的数里找有没有比此时的堆顶小的,有的话重复这个过程
最后得到的含有k个数的最大堆就是前k小的数了
同样的,要找前k大的数的话,只要建立最小堆就行了
代码上也是基本复用了堆排序的建堆和维护堆的代码
void HeapAdjust(int a[],int i, int size)
{
int lchild = 2*i, rchild = 2*i+1;
int maxx = i;
if(i<=size/2){
if(a[maxx]<a[lchild]&& lchild<=size)
maxx = lchild;
if(a[maxx]<a[rchild]&&rchild<=size])
maxx = rchild;
if(maxx != i)
{
swap(a[i],a[maxx]);
heapAdjust(a,maxx,size);
}
}
}
void buildHeap(int a[],int size)
{
for(int i = size/2;i>=1;i--)
{
HeapAdjust(a,i,size);
}
}
int* TopK(int a[],int k)
{
int *ak = new int[k+1];
for(int i = 1;i<=k;i++)
{
ak[i] = a[i];
}
buildHeap(ak,k);
for(int i = k+1;i<=size;i++)
{
if(a[i]<ak[1])
{
ak[1] = a[i];
HeapAdjust(ak,1,k);
}
}
return ak;
}
void HeapSort(int a[],int size)
{
buildHeap(size);
for(int i = size; i>=1;i--)
{
swap(a[1],a[i]);
HeapAdjust(a,1,i-1);
}
}
利用快排:
快排的思想是分治法,将问题拆解,先找到一个数据,以此基准将数组分成两组,然后在进一步分解
可知当分解到一定程度时,某个基准的左侧都是比此基准小的数,正好为k个时就是我们要找的前k小的数,前k大的数也是同样的
因此,只要返回的基准位置是k那么就好了(从1开始存储)
跟寻找第k大的数字其实是一样的代码,只不过要的从开始位置直到第k个数字
int selectKBiggest(int p, int r, int k)
{
if (p == r)return a[p];
int q = Partition(p, r);
int key = q - p+1 ;
if (k == key)return a[q];
else if (k < key)
return selectKBiggest(p, q - 1, k);
else return selectKBiggest(q + 1, r, k-key);
}