数组中第K个最大元素(3种方法)

给定整数数组 nums 和整数 k,请返回数组中第 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。

https://leetcode-cn.com/problems/kth-largest-element-in-an-array/

在这里插入图片描述
这里说三个方法,再讲讲三种方法的优劣

第一种:排序
排序的思想很简单,降序排序,然后返回第k个数即可。

代码如下:

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        sort(nums.begin(),nums.end(),greater<int>());
        return nums[k-1];
    }
};

时间复杂度:O(N*logN)
空间复杂度:O(1)

第二种:大堆
由于大堆pop的顺序是降序的,pop k-1个数据,然后返回堆顶的数据即可。

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        priority_queue<int> pq;
        //建堆
        for(const auto& e:nums)
        {
            pq.push(e);
        }
        //pop前k-1个数据
        for(int i = 0;i<k-1;i++)
        {
            pq.pop();
        }
        //现在堆顶的数据就是第K大的数据了
        return pq.top();
    }
};

建堆的时间复杂度是O(N)
pop由于要向上调整,复杂度是O(logN)

所以总的时间复杂度:O(N+(k-1) * logk)
空间复杂度:O(N)

第三种:小堆
建一个大小为K的小堆。每当后面的数据大于小堆最小的数据,就把最小的数据给替换成当前数据。最后返回堆顶的数据。

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        //建一个大小为K的小堆
        priority_queue<int,vector<int>,greater<int>> pq(nums.begin(),nums.begin()+k);
        //不断插入比自己最小的数据大的数据
        for(size_t i = k;i<nums.size();i++)
        {
            if(pq.top()<nums[i])
            {
                pq.pop();
                pq.push(nums[i]);
            }
        }
        return pq.top();
    }
};

时间复杂度:O(N+(N-k)*logN)
空间复杂度O(K)

综合来看:第三种是最好的,时间复杂度和第二种差不多,但空间复杂度很小。如果是在10亿里面找第100大的数据,第三种方法最适合。

可以使用快速选择算法来找出数组中第 k 个小的元素。 快速选择算法的基本思想是,选择一个基准元素,将数组中小于基准元素元素放在基准元素的左边,将大于基准元素元素放在基准元素的右边,然后比较基准元素的位置和 k 的大小关系,如果基准元素的位置等于 k,就找到了第 k 个小的元素,如果基准元素的位置大于 k,就在基准元素的左边继续查找,如果基准元素的位置小于 k,就在基准元素的右边继续查找。 以下是使用快速选择算法找出数组中第 k 个小的元素的 Python 代码: ```python def quick_select(nums, k): pivot = nums[0] left = [x for x in nums if x < pivot] right = [x for x in nums if x > pivot] mid = [x for x in nums if x == pivot] if k <= len(left): return quick_select(left, k) elif k <= len(left) + len(mid): return pivot else: return quick_select(right, k - len(left) - len(mid)) ``` 在这个函数中,我们首先选择数组中的第一个元素作为基准元素 pivot。然后,我们将数组分成三个部分:小于 pivot 的元素放在 left 数组中,大于 pivot 的元素放在 right 数组中,等于 pivot 的元素放在 mid 数组中。接下来,我们比较基准元素的位置和 k 的大小关系,如果基准元素的位置等于 k,就返回基准元素的值,如果基准元素的位置大于 k,就在 left 数组中继续查找第 k 个小的元素,如果基准元素的位置小于 k,就在 right 数组中继续查找第 k - len(left) - len(mid) 个小的元素。 这个函数的时间复杂度为 O(n),其中 n 是数组的长度。
评论 5
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