【初阶数据结构题目】26. TOP-K问题

TOP-K问题

TOP-K问题：即求数据结合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。

比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。

比如：

1. 要存储4GB的内存数据，现在只有1GB，怎么找到里面最大的10个数？

   分四次建堆，每次建堆分别找到堆里面最大的10个数，最后在40个数里找到最大的10个数。

2. 如果只有1KB怎么办呢？

对于Top-K问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了(可能数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决，基本思路如下：

1. 用数据集合中前K个元素来建堆

   要取前k个最大的元素，则建小堆

   要取前k个最小的元素，则建大堆

2. 用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素

   将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素

为什么要取前k个最大的元素，则建小堆呢？

因为在最小堆中，堆顶元素总是堆中最小的元素。当处理一个新元素时，如果这个新元素比堆顶元素大，那么它就有可能是最大的k个数之一。此时，我们把堆顶元素弹出，将新元素加入堆中。然后调整新元素在堆里面的位置。这样，堆中始终保持了当前遇到的最大的k个数。

#define _CRT_SECURE_NO_WARNINGS 1
#include <stdio.h>
#include <time.h>
#include <stdlib.h>

//生成随机数
//void CreateNDate()
//{
//    // 造数据
//    int n = 100000;
//    srand(time(0));
//    const char* file = "data.txt";
//    FILE* fin = fopen(file, "w");
//    if (fin == NULL)
//    {
//        perror("fopen error");
//        return;
//    }
//    for (int i = 0; i < n; ++i)
//    {
//        int x = (rand() + i) % 1000000;
//        fprintf(fin, "%d\n", x);
//    }
//    fclose(fin);
//}

//定义堆的结构---数组
typedef int HPDataType;

typedef struct Heap {
    HPDataType* arr;
    int size;//有效的数据大小
    int capacity;//空间大小
}HP;

//交换函数
void Swap(int* x, int* y) {
    int tmp = *x;
    *x = *y;
    *y = tmp;
}

//堆的向下调整算法
void AdjustDown(HPDataType* arr, int parent, int n) {
    int child = parent * 2 + 1;//左孩子
    while (child < n) {
        //小堆：找左右孩子中最小的
        //大堆：找左右孩子中最大的
        //看arr[child] > arr[child + 1]和if (arr[child] < arr[parent])里面的符号,符号不变就是小堆，反过来就是大堆
        if (child + 1 < n && arr[child] > arr[child + 1]) {//防止越界
            child++;
        }

        if (arr[child] < arr[parent]) {
            Swap(&arr[child], &arr[parent]);
            parent = child;
            child = parent * 2 + 1;
        }
        else {
            break;
        }
    }
}

//TOP-K排序
void topk()
{
    printf("请输入k：>");
    int k = 0;
    scanf("%d", &k);

    //从文件中读取前k个数据，建堆
    const char* file = "data.txt";
    FILE* fout = fopen(file, "r");
    if (fout == NULL)
    {
        perror("fopen error");
        return;
    }

    int val = 0;
    int* minheap = (int*)malloc(sizeof(int) * k);//创建小堆
    if (minheap == NULL)
    {
        perror("malloc error");
        return;
    }
    for (int i = 0; i < k; i++)//循环读取数据，先读取k个
    {
        fscanf(fout, "%d", &minheap[i]);
    }
    // 建k个数据的小堆
    for (int i = (k - 1 - 1) / 2; i >= 0; i--)//循环读取数据，读取n-k个
    {
        AdjustDown(minheap, i, k);
    }

    int x = 0;
    while (fscanf(fout, "%d", &x) != EOF)
    {
        // 读取剩余数据，比堆顶的值大，就替换他进堆
        if (x > minheap[0])
        {
            minheap[0] = x;
            AdjustDown(minheap, 0, k);
        }
    }

    for (int i = 0; i < k; i++)//打印最大的k个数据
    {
        printf("%d ", minheap[i]);
    }

    fclose(fout);
}

int main() {
    //CreateNDate();
    topk();
    return 0;
}

时间复杂度：O(n) = k + (n − k)log₂k