215. 数组中的第K个最大元素
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
题解
调用库函数
现实工作中最常用的方法:
效率高于纯的快排。2ms左右
public int findKthLargest(int[] nums, int k) {
Arrays.sort(nums); //返回升序
return nums[nums.length-k];//我们有从大到小的第k个,所以用length-k
}
手动实现快速选择排序
快速选择排序基本思想:
选择一个数作为中轴值,然后开始进行划分,使这个数的左侧都大于这个数,右侧都小于这个数(对于降序而言)。然后再把左右当做子序列再一次进行划分。直到序列的个数为1为止。那么整个数组就是有序的了。
快速选择排序时间复杂度为
O
(
n
log
n
)
O(n\log n)
O(nlogn)。
快排每次划分都可以确定一个元素的最终位置
注意
- 重点在于划分。针对划分有两种写法。参照partition和partition2。在不进行随机选取时,partition2速度更快些。30ms左右,而partition为70ms左右
- 随机选取,添加随机选取后,速度上升到了4ms左右。这是由于测试用例中有一些升序排列的,我们进行降序排列时,时间复杂度达到最差情况 O ( n 2 ) O(n^2) O(n2)
class Solution {
Random random = new Random();
public int findKthLargest(int[] nums, int k) {
quickSort(nums,0, nums.length-1);
return nums[k-1];
}
private void quickSort(int [] nums, int left, int right){
// 递归出口
if(left>=right){
return;
}
randomPartition(nums,left,right);
int pos = partition(nums, left, right);
quickSort(nums, left, pos-1);
quickSort(nums, pos+1, right);
}
private int partition(int [] nums, int left, int right){
//从左开始遍历,以右侧的为基准。简单
// 如果以左侧为基准,需要追踪num[left]最终被交换到哪里去了。
// 因为给x赋值的时候,需要putIndex的值不被覆盖,进行一次交换
int x = nums[right];
//比x大的都往左放
int putIndex = left;
//right位置不用遍历。最后直接与right进行交换。
for(int i=left; i<right; i++){
//这里符号决定是从排列顺序
if(nums[i]>x){
swap(nums, putIndex, i);
//不可以直接赋值,会覆盖掉不符合条件的数。
// nums[putIndex] = nums[i];
putIndex++; //交换一次,左侧起始索引加1
}
}
//注意,在最后一次放入x时,要和right进行一次交换
swap(nums, putIndex, right);
nums[putIndex]=x;
return putIndex;
}
// 速度更快。数据结构算法严蔚敏书中的划分方法。
private int partition2(int nums[], int left, int right){
int x = nums[left];
while(left<right){
while(left<right&&nums[right]<=x) //注意要加=,否则可能造成死循环
right--;
nums[left] = nums[right];
while(left<right&&nums[left]>=x)
left++;
nums[right] = nums[left];
}
nums[left] = x;
return left;
}
public void randomPartition(int[] a, int l, int r) {
int i = random.nextInt(r - l + 1) + l;
swap(a, i, r);
}
private void swap(int [] a , int i, int j){
int temp = a[i];
a[i] = a[j];
a[j] = temp;
}
}
升级版
上面说过,快排每次划分都能够确定一个元素的最终位置。也就是我们的划分中轴。轴左边的都比他小(大),右侧都比他大(小)。那么此题既然只想要求得第k个元素。我们在递归的时候,就可以根据划分返回来的中枢轴位置,来有选择的决定左侧的序列还是右侧的序列。这样我们的递归栈就减少了一半!
具体实现见官网。注意官网是升序排列,然后取length-k的位置。
关键位置代码:
/*官网解析答案*/
public int quickSelect(int[] a, int l, int r, int index) {
int q = randomPartition(a, l, r); //q是划分的中枢轴位置
if (q == index) { //是要找的第k个元素直接返回
return a[q];
} else {
//根据q与要找位置的大小关系来决定递归左边还是右边。
return q < index ? quickSelect(a, q + 1, r, index) : quickSelect(a, l, q - 1, index);
}
}
官网参考1ms
这样做时间复杂度降到了O(n)
冒泡排序
要k个,只需要冒泡k次就行。
堆排序
调用小顶堆api
PriorityQueue是一个优先级队列,默认是自然顺序(升序)。队列头是最小的。
每次插入自动排序。如果我们让队列的大小为k个,那么最后剩下的就是前k的最大的。队列头就是我们想要的。
PriorityQueue的实现是小顶堆
/*代码来源: https://github.com/CyC2018/CS-Notes/blob/master/notes/Leetcode%20%E9%A2%98%E8%A7%A3%20-%20%E6%8E%92%E5%BA%8F.md#1-kth-element*/
public int findKthLargest(int[] nums, int k) {
PriorityQueue<Integer> pq = new PriorityQueue<>(); // 小顶堆
for (int val : nums) {
pq.add(val);
if (pq.size() > k) // 维护堆的大小为 K
pq.poll();
}
return pq.peek();
}