TopK大问题的另一种解法

不久前介绍了堆排序Python堆排序之heapq，主要是解决下面这个题目

在未排序的数组中找到第 k 个最大的元素。请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。

示例 1:

输入: [3,2,1,5,6,4] 和 k = 2

输出: 5

示例 2:

输入: [3,2,3,1,2,4,5,5,6] 和 k = 4

输出: 4

说明:

你可以假设 k 总是有效的，且 1 ≤ k ≤ 数组的长度。

这是很经典的题目，有很多解法，除了上面说到的最小堆：heapq之外，今天复习的时候，又发现大佬的另一种解法，可以说是想法独特了。专门来记录下。

下面是源码：

class Solution:
    def findKthLargest(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: int
        """
        a = nums[:k]
        temp_min = min(a)
        for i in nums[k:]:
            if i > temp_min:
                a.remove(temp_min)
                a.append(i)
                temp_min = min(a)

        return temp_min

这种方法就是把原列表分为两部分，以K作为索引分割为A、B两个列表，然后遍历B列表，把里面每个元素拿来和A列表中的最小值比较，最终目的是保证A列表是原列表中数据最大的部分。

这个想法在别的解题方法中还真没见过，很多人用的是“偷懒”的方法，面试中肯定用不了。还有些用的是排序来做的，代码量就比较大了。

前方高能

class Solution:
    def findKthLargest(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: int
        """
        # nums.sort()
        # return nums[-k]        
        import random
        def partition(nums, left, right):
            p = random.randint(left, right)
            nums[p], nums[right] = nums[right], nums[p]
            i = left - 1
            for j in range(left, right):
                if nums[j] <= nums[right]:
                    i += 1
                    nums[i], nums[j] = nums[j], nums[i]
            nums[i+1], nums[right] = nums[right], nums[i+1]
            # print(nums[p])
            return i+1

        def select(nums, left, right, k):
            if left == right:
                return nums[left]
            p = partition(nums, left, right)
            pos = p - left + 1            
            if k == pos:
                return nums[p]
            elif k < pos:
                return select(nums, left, p-1, k)
            else:
                return select(nums, p+1, right, k-pos)

        return select(nums, 0, len(nums)-1, len(nums)-k+1)