【面试】如何从100万个无序数中找到第20万小的数？

面试模拟场景

面试官: 你如何从100万个无序数中找到第20万小的数？

参考回答示例

1. 方法一：排序后选择（不建议）

基本思路：

• 可以将所有数据排序，然后直接选择排序后的第20万个元素。

实现步骤：

1. 对这100万个数进行排序，使用常见的排序算法（如快速排序、归并排序等）。
2. 选择排序结果中的第20万个数。

时间复杂度：

• 排序的时间复杂度为 $O(n\log n)$，其中 $n=1000000$。

优点与缺点：

• 优点： 实现简单直观。
• 缺点： 排序整个数组比找到第20万小的数本身需要更多计算资源，特别是在数据量非常大的情况下，效率不高。

2. 方法二：基于快速选择的改进算法（Quickselect）

基本思路：

• Quickselect是一种基于快速排序思想的选择算法，能够在期望 $O(n)$ 的时间内找到第k小的数。它与快速排序类似，但只关注递归中包含第k小元素的那一侧，不需要完全排序整个数组。

实现步骤：

1. 随机选择一个基准数（pivot），将数组划分为小于基准数和大于基准数的两部分。
2. 统计基准数位置之前的元素个数：
   • 如果恰好是第k个元素，则基准数就是所求的数。
   • 如果小于k，递归处理右侧部分（k减去基准数左侧元素个数后处理）。
   • 如果大于k，递归处理左侧部分。
3. 重复上述过程，直到找到第k小的数。

时间复杂度：

• Quickselect的平均时间复杂度为 $O(n)$，在最坏情况下是 $O(n^2)$，但通过随机化基准数可以避免最坏情况发生，平均情况表现良好。

时间复杂度分析：

• 单次分区操作：

  • 每次分区操作的时间复杂度是 $O(n)$，因为每个元素都被比较一次以决定其在基准数的左边还是右边。

• 递归的深度：

  • 在平均情况下，Quickselect 的每次递归都会将问题规模减半（即在数组的一半部分中查找），所以递归深度是 $O(\log n)$。

• 总时间复杂度：

  • 因为 Quickselect 只处理包含第 $k$ 小元素的那一部分，所以在理想情况下，总时间复杂度为 $O(n)+O(n/2)+O(n/4)+\cdots \approx O(2n)=O(n)$。

• 最坏情况：

  • 在最坏情况下，基准数每次都没有将问题规模有效减半，而是将问题递归到几乎整个数组。这时递归的深度为 $O(n)$，导致最坏时间复杂度为 $O(n^2)$。然而，通过随机化选择基准数或其他优化策略，可以避免这种最坏情况，保持平均$O(n)$ 的时间复杂度。

优点与缺点：

• 优点： Quickselect算法效率高，特别适合处理大型数据集，仅需要 $O(n)$ 的时间复杂度。
• 缺点： 该算法的最坏时间复杂度为 $O(n^2)$，但在实际应用中，通过合理选择基准数，可以避免最坏情况。

3. 方法三：使用最小堆

基本思路：

• 构建一个大小为20万的最小堆。遍历所有元素，如果当前元素大于堆顶，则替换堆顶并进行堆调整。最终堆顶元素就是第20万小的数。

实现步骤：

1. 初始化一个大小为20万的最小堆，并将前20万个元素放入堆中。
2. 遍历剩余的元素，如果当前元素大于堆顶元素，替换堆顶并调整堆。
3. 最终最小堆的堆顶元素就是第20万小的数。

时间复杂度：

• 构建堆的时间复杂度为 $O(k\log k)$，遍历剩余元素的时间复杂度为 $O((n-k)\log k)$，其中 $k=200000$ 且 $n=1000000$。

优点与缺点：

• 优点： 适用于流式数据处理或当数据量非常大、无法一次性加载到内存中时。
• 缺点： 实现较为复杂，且需要维护一个堆结构。

4. 总结

• 排序法： 简单但不高效，时间复杂度 $O(n\log n)$。
• Quickselect： 高效且实际应用广泛，平均时间复杂度 $O(n)$，最推荐使用。
• 最小堆： 适合处理流式数据，时间复杂度 $O(n\log k)$，实现复杂度较高。