最小的K个数

最小的K个数

1.题目描述

输入n个整数，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,。

2.方法1（快排）

基于partition，返回下标index，如果下标大于k-1，则从k-1往后继续执行partition，否则从0~k-1执行partition。直到index等于k-1。

3.代码

class Solution {
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
        vector<int> res;
        if(input.empty() || k <= 0 || k > input.size()){
            return res;
        }
        int left = 0;
        int right = input.size() - 1;
        int index = partition(input,left,right);
        while(index != k-1){
            if(index > k - 1){
                right = index - 1;
                index = partition(input,left,right);
            }
            else{
                left = index + 1;
                index = partition(input,left,right);
            }
        }
        for(int i = 0;i < k;++i){
            res.push_back(input[i]);
        }
        return res;
    }
    int partition(vector<int>& nums, int left, int right){
        int t = left;
        for(int i = left;i < right;++i){
            if(nums[i] < nums[right]){
                swap(nums[t++],nums[i]);
            }
        }
        swap(nums[t],nums[right]);
        return t;
    }
};

4.复杂度分析

时间复杂度：O(n)
空间复杂度：O(1)

5.方法2（最大堆）

用数组的元素构建一个大小为k的最大堆，剩下的元素依次和堆顶元素比较，如果小于堆顶元素，则删除堆顶元素，并且插入该元素，堆会自动调整为最大堆。大于堆顶元素则抛弃。遍历完成后，得到的堆是数组最小的k个元素。

6.代码

class Solution {
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
        vector<int> res;
        if(input.empty() || k <= 0 || k > input.size()){
            return res;
        }
        multiset<int,greater<int>> max_heap;
        for(int i = 0;i < input.size();++i){
            if(i < k){
                max_heap.insert(input[i]);
            }
            else{
                multiset<int,greater<int>> ::iterator max = max_heap.begin();
                if(input[i] < *max){
                    max_heap.erase(max);
                    max_heap.insert(input[i]);
                }
            }
        }
        for(auto iter = max_heap.begin();iter != max_heap.end();++iter){
            res.push_back(*iter);
        }
        return res;
    }
};

7.复杂度分析

时间复杂度：O(nlogk)
空间复杂度：O(n)