算法思考-topk问题堆排序、快速排序比较

本文分析了在解决大型TopK问题时,堆排序和快速排序的使用场景。快速排序通过partition函数定位,速度快但空间消耗大。堆排序则通过维护小根堆,空间复杂度低,适合大数据量处理。两者在不同场景下各有优势。
摘要由CSDN通过智能技术生成

题目:分析求解topk(big)问题时 堆排序快速排序 的使用场景


快速排序求解

       这种算法利用了快速排序的主要思想:每次调用快速排序的partition函数后将会得出一个数n的最终位置,比较n及其右边所有数的总个数与目标个数k

若大于k,则对数n右边的数构成的数组调用partition函数;
若等于k,则说明n及其右边的数就是我们想要得到的那k个数,排序结束;
若小于k,这说明最终的k个数中还包含了n左边的数,对n左边的数构成的数组调用partition函数。

Pyhton代码:

import numpy as np

def qselect(A, k):
    if len(A) < k:
        return A
    pivot = A[-1]
    tmp = A[:-1][A[:-1] >= [pivot]]
    right = np.insert(tmp, 0, pivot)
    try:
        rlen = len(right)
    except:
 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值