注:
①要用大顶堆而不是小顶堆(思考为什么)。
②priority_queue:push()函数可以对堆进行重新排序,而pop操作不可以。
③快速排序比较大小时要包含等于号,判断边界条件时,不需要包含等于号。
while(i<j&&arr[left]<=arr[j])
题目:
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]
限制:
0 <= k <= arr.length <= 10000
0 <= arr[i] <= 10000
题解:
方法一 sort
思路和算法
对原数组从小到大排序后取出前 k 个数即可。
class Solution {
public:
vector<int> getLeastNumbers(vector<int>& arr, int k) {
sort(arr.begin(),arr.end());
vector<int> result;
for(int i=0;i<k;i++){
result.push_back(arr[i]);
}
return result;
}
};
复杂度分析
时间复杂度: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:O(logn),排序所需额外的空间复杂度为 O(logn)。
方法二 大顶堆
算法思路
- 先将 arr 的前 k 个数入堆,因为是最大堆,所以堆顶的数一定是最大的。
- 那么我们再从 arr 的第 k + 1 个元素迭代起,凡是遇到比当前堆顶元素小的,就将该元素 push 入堆并 pop 掉堆顶元素。
- 注意,每次执行完第二步之后,堆会自动更新,以保证堆顶元素始终为堆中所有元素的最大值。
class Solution {
public:
vector<int> getLeastNumbers(vector<int>& arr, int k) {
if(k==0){
return {};
}
priority_queue<int> numqueue;
vector<int> result;
//构建一个大小为k的大顶堆
for(int i=0;i<k;i++){
numqueue.push(arr[i]);//push()会更新最大堆
}
//从k+1开始计算,循环得到数组中最小的k个元素
for(int i=k;i<arr.size();i++){
if(arr[i]<=numqueue.top()){
numqueue.pop();//pop()不会更新最大堆
numqueue.push(arr[i]);//push()会更新最大堆
}
}
//最后输出大顶堆,即为所求
for(int i=0;i<k;i++){
result.push_back(numqueue.top());
numqueue.pop();
}
return result;
}
};
复杂度分析
时间复杂度:O(nlogk),其中 n 是数组 arr 的长度。由于大根堆实时维护前 kk 小值,所以插入删除都是 O(logk) 的时间复杂度,最坏情况下数组里 n 个数都会插入,所以一共需要 O(nlogk) 的时间复杂度。
空间复杂度:O(k),因为大根堆里最多 k 个数。
方法二 快速排序
思路与算法
题目只要求返回最小的 k 个数,对这 k 个数的顺序并没有要求。因此,只需要将数组划分为 最小的 k 个数 和 其他数字 两部分即可,而快速排序的哨兵划分可完成此目标。
根据快速排序原理,如果某次哨兵划分后 基准数正好是第k+1 小的数字 ,那么此时基准数左边的所有数字便是题目所求的 最小的 k 个数 。
根据此思路,考虑在每次哨兵划分后,判断基准数在数组中的索引是否等于 k ,若 true 则直接返回此时数组的前 k 个数字即可。
算法流程
getLeastNumbers() 函数:
若 k 大于数组长度,则直接返回整个数组;
执行并返回 quick_sort() 即可;
quick_sort() 函数:
注意,此时 quick_sort() 的功能不是排序整个数组,而是搜索并返回最小的 k 个数。
哨兵划分:
划分完毕后,基准数为 arr[l] ,左 / 右子数组区间分别为 [l,i−1] , [i + 1, r];
递归或返回:
若 k<i ,代表第 k + 1小的数字在 左子数组 中,则递归左子数组;
若 k > i ,代表第 k + 1小的数字在 右子数组 中,则递归右子数组;
若 k = i,代表此时 arr[k] 即为第 k + 1小的数字,则直接返回数组前 k 个数字即可;
复杂度分析:
本方法优化时间复杂度的本质是通过判断舍去了不必要的递归(哨兵划分)。
时间复杂度 O(N) : 其中 N 为数组元素数量;对于长度为 N 的数组执行哨兵划分操作的时间复杂度为 O(N) ;每轮哨兵划分后根据 k 和 i 的大小关系选择递归,由于 i 分布的随机性,则向下递归子数组的平均长度为 N/2;因此平均情况下,哨兵划分操作一共有 N + N/2 + N/4 + … + N/N <2N ,即总体时间复杂度为 O(N) 。
空间复杂度 O(logN) : 划分函数的平均递归深度为 O(logN) 。
class Solution {
public:
vector<int> getLeastNumbers(vector<int>& arr, int k) {
//若 k 大于数组长度,则直接返回整个数组;
if(k>=arr.size()){
return arr;
}
if(k==0){
return {};
}
return quicksort(arr,k,0,arr.size()-1);
}
vector<int> quicksort(vector<int>& arr,int k,int left,int right){
int i=left;//用i来标识基准值的位置
int j=right;
//令arr[l]为基准值,循环完成后,i即为arr[left]的位置
while(i<j){
while(i<j&&arr[left]<=arr[j]){
j--;
}
while(i<j&&arr[left]>=arr[i]){
i++;
}
swap(arr[i],arr[j]);
}
swap(arr[left],arr[i]);
//若i<k,则代表第 k + 1小的数字在 右子数组 中,则递归右子数组
if(i<k){
return quicksort(arr,k,i+1,right);
}
//若i>k,则代表第 k + 1小的数字在 左子数组 中,则递归右子数组
if(i>k){
return quicksort(arr,k,left,i-1);
}
//若i==k,则证明找到了第 k + 1小的数字,其左边即为最小的k个数。
vector<int> result;
for(int i=0;i<k;i++){
result.push_back(arr[i]);
}
return result;
}
};