快速选择排序
是快速排序的变形,属于分治法。(特别注意:随机化切分元素)
在选择分割点时,默认是选择nums[left],当出现一些极端例子是容易出现最坏的复杂的的情况,一个在数组中随机选择一个元素,再执行分割操作。
堆排序
BFPRT算法
快速选择和堆排序的区别
看起来分治法的快速选择算法的时间、空间复杂度都优于使用堆的方法,但是要注意到快速选择算法的几点局限性:
第一,算法需要修改原数组,如果原数组不能修改的话,还需要拷贝一份数组,空间复杂度就上去了。
第二,算法需要保存所有的数据。如果把数据看成输入流的话,使用堆的方法是来一个处理一个,不需要保存数据,只需要保存 k 个元素的最大堆。而快速选择的方法需要先保存下来所有的数据,再运行算法。当数据量非常大的时候,甚至内存都放不下的时候,就麻烦了。所以当数据量大的时候还是用基于堆的方法比较好。
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
快速选择(无随机化)
class Solution(object):
def getLeastNumbers(self, arr, k):
"""
:type arr: List[int]
:type k: int
:rtype: List[int]
"""
# 快速选择
length = len(arr)
def quick_sort(nums, left, right, K):
if left<right:
i = left
j = right
temp = nums[i]
while i<j:
while nums[j]>temp and i<j:
j -= 1
nums[i] = nums[j]
while nums[i]<=temp and i<j:
i += 1
nums[j] = nums[i]
nums[i] = temp
if i==K:
return
if i>K-1:
quick_sort(nums, left, i-1, K)
if i<K-1:
quick_sort(nums, i+1, right, K)
quick_sort(arr, 0, len(arr)-1, k)
return arr[:k]
快速选择(有随机化)
class Solution(object):
def __init__(self):
import random
def getLeastNumbers(self, arr, k):
"""
:type arr: List[int]
:type k: int
:rtype: List[int]
"""
def quick_select(nums, left, right, k):
if left<right:
# temp = nums[left]
i, j = left, right
# 添加随机化,将随机化之后的值与最左边的值进行替换,然后对这个值进行partition
random_index = random.randint(left, right)
nums[random_index], nums[i] = nums[i], nums[random_index]
temp = nums[i]
while i<j:
while nums[j]>temp and i<j:
j -= 1
nums[i] = nums[j]
while nums[i]<=temp and i<j:
i += 1
nums[j] = nums[i]
nums[i] = temp
if i==k:
return
if i<k:
quick_select(nums, i + 1, right, k)
if i>k:
quick_select(nums, left, i - 1, k)
quick_select(arr, 0, len(arr) - 1, k)
return arr[:k]
堆排序