一、需求
- 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]
二、排序法
2.1 思路分析
- 对数组进行排序,将前k个元素存储到新的数组中,并返回即可。
2.2 代码实现
class Solution {
public int[] getLeastNumbers(int[] arr, int k) {
int[] s = new int[k];
Arrays.sort(arr);
for(int i = 0; i < k; i++) {
s[i] = arr[i];
}
return s;
}
}
2.3 复杂度分析
- 时间复杂度为O(nlogn),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;
- 空间复杂度为O(n),申请了k个元素的空间;
三、快速排序法
3.1 思路分析
- 太长了,就加在注释上了。
3.2 代码实现
class Solution {
public int[] getLeastNumbers(int[] arr, int k) {
//首先进行边界判断
if(arr == null || arr.length == 0 || k <= 0 || k > arr.length)
//返回一个int类型的空数组
return new int[0];
//只要不是上述情况,就一定有解,直接返回k个最小数
return quickSearch(arr,0,arr.length-1,k-1);
}
int[] quickSearch(int[] arr,int left,int right,int index) {
//快排一次,返回j,此时j的左边的数小于等于nums[j],j的右边的数大于等于nums[j]
int j = partition(arr,left,right);
//判断j是否是要找的下标,是的话,就返回结果
if(j == index) {
return Arrays.copyOf(arr,j+1);
}
//不是就继续找,j>index,去j的左侧去找,j < index,去j的右侧去找
return j > index ? quickSearch(arr,left,j-1,index) : quickSearch(arr,j+1,right,index);
}
int partition(int[] arr,int left,int right) {
//选择一个基准值
int pivot = arr[left];
int i = left;
int j = right+1;
//然后就开始移动元素,将小于等于nums[j]的放左边,大于等于nums[j]的放右边
while(true) {
while(++i <= right && arr[i] < pivot);
while(--j >= left && arr[j] > pivot);
if(i >= j) break;
//交换
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
//排完序之后,将arr[left]与小于pivot的arr[j]交换
arr[left] = arr[j];
arr[j] = pivot;
return j;
}
}
3.3 复杂度分析
- 时间复杂度为O(N),其中N为数组元素的个数,第一次找基准值 j 需要遍历整个数组,若j > index,需要在left ~ j-1内找,若j < index,需要在j+1 ~ right内找,也就是每次调用partition遍历的元素数组是上次遍历的1/2,因此时间复杂度为N+N/2+...+N/N = 2N,故时间复杂度为O(N)。
- 空间复杂度期望为O(logN),递归调用的期望深度为O(logN),每层需要的空间为O(1),只有常数个变量。最坏情况下,空间复杂度为O(N)。
3.4 趁热打铁,利用快排对数组排序
//现在给你一个数组,要求利用快速排序实现数组的从小到大排序
class Solution {
public static void main(String[] args) {
int[] arr = {3,5,7,2,1,9,8,6};
arraySort(arr,0,arr.length-1);
for(int i : arr) {
System.out.print(i+" ");
}
}
public static void arraySort(int[] arr,int left,int right) {
if(arr == null || arr.length == 0) {
return;
}
quickSearch(arr,left,right);
}
private static void quickSearch(int[] arr, int left, int right) {
if(left >= right) return;
int pivot = arr[left];
int i = left;
int j = right+1;
while(true) {
while(++i <= right && arr[i] < pivot);
while(--j >= left && arr[j] > pivot);
if(i >= j) {
break;
}
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
arr[left] = arr[j];
arr[j] = pivot;
quickSearch(arr,left,j-1);
quickSearch(arr,j+1,right);
}
}
四、PriorityQueue
4.1 思路分析
- PriorityQueue默认实现小根堆,即根结点最小,若要得到最小的k个元素,需要将数组中所有值都入队,然后再取前k个元素返回;
- 若我们自定义比较器,实现大根堆,即根结点最大,那么先将k个元素加入到队列中,之后的元素,若大于队首元素就不管了,若小于队首元素就将队首元素出队,将该元素加入,那么最后队列中只会剩下k个最小的数;
4.2 代码实现
class Solution {
public int[] getLeastNumbers(int[] arr, int k) {
//边界条件判断
if(arr == null || arr.length == 0 || k <= 0 || k > arr.length)
return new int[0];
//新建PriorityQueue对象,自己指定比较器实现降序模式
//Queue<Integer> pq = new PriorityQueue<>((v1, v2) -> v2 - v1);
//利用PriorityQueue的构造方法,指定比较器实现降序模式
Queue<Integer> pq = new PriorityQueue<>(11,new Comparator<Integer>() {
public int compare(Integer v1,Integer v2) {
return v2 - v1;
}
});
//保持队列容量始终为k,开始向队列添加元素
for(int num : arr) {
if(pq.size() < k) {
pq.offer(num);
} else if(num < pq.peek()) {
pq.poll();
pq.offer(num);
}
}
//现在队列中是k个降序的最小元素
int[] res = new int[k];
for(int i = 0; i < k; i++) {
res[i] = pq.poll();
}
return res;
}
}
4.3 复杂度分析
- 时间复杂度为O(NlogK),这个还不知道怎么算;
- 空间复杂度为O(2K)吧,队列存储K个元素,返回结论时申请了K个空间。
五、学习地址
作者:sweetiee