TOPk问题详解

TOPK问题的概念及思路

TOPK问题：即求数据结合中前K个最大的元素或最小的元素，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、游戏前100的活跃玩家等。

TOP问题，能想到的最佳单的方式就是排序，但是，如果数据量非常大，排序就不太可取了（可能数据不能一下子全部加载到内存当中，也就是说，内存装不了这么大的数据），最大的办法就是用堆来解决，基本思路如下：

1.用数据集合前K个数据来建堆

1）前K个最大的元素，则建小堆

2）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

TOPK问题的实现

void AdjustUp(HPDtaType* a, int chlid)
{
	int parent = 0;
	parent = (chlid - 1) / 2;
	while (chlid)//当chlid为零时，循环停止
	{
		if (a[parent] > a[chlid])//当孩子结点大于双亲结点时，就进行交换，
		{
			HPDtaType tmp = a[chlid];
			a[chlid] = a[parent];
			a[parent] = tmp;
			chlid = parent;
			parent = (chlid - 1) / 2;
		}
		else
		{
			break;
		}
	}
}
void Adjustdown(HPDtaType* a, int n, int partent)
{
	int chlid = 0;
	chlid = partent * 2 + 1;
	while (chlid < n)
	{
		if (chlid+1<n&&a[chlid + 1] < a[chlid])
		{
			chlid++;
		}
		if (a[chlid] < a[partent])
		{
			Swap(&a[chlid], &a[partent]);
			partent = chlid;
			chlid = partent;
		}
		else
		{
			break;
		}
	}
}
void HeapInit(HP*hp)//堆的初始化
{
	hp->a = NULL;
	hp->capacity = hp->size = 0;
}
void HeapDestroy(HP*hp)//堆的销毁
{
	free(hp->a);
	hp->a = NULL;
	hp->capacity = hp->size = 0;
}
void HeapPush(HP*hp, HPDtaType x)//往堆里压数据
{
	if (hp->capacity == hp->size)
	{
		int newcapacity = hp->capacity == 0 ? 4 : hp->capacity * 2;
		HPDtaType* tmp = realloc(hp->a, sizeof(HPDtaType)*newcapacity);//如果数组的内存不够，就进行扩容
		if (tmp == NULL)
		{
			printf("realloc fail\n");//如果realloc失败就提示提示并退出
			exit(-1);
		}
		hp->a = tmp;
		hp->capacity = newcapacity;
	}
	hp->a[hp->size] = x;
	AdjustUp(hp->a, hp->size);
	hp->size++;
}
void HeapPrint(HP*hp)//打印数组
{
	for (int i = 0; i < hp->size; i++)
	{
		printf("%d ", hp->a[i]);
	}
	printf("\n");
}
HPDtaType HeapTop(HP*hp)
{
	return hp->a[0];
}

这是我们要用到的接口函数

void PrintTopK(int*a, int n, int k)
{
	HP hp;
	HeapInit(&hp);
	for (int i = 0; i < k; i++)
	{
		HeapPush(&hp, a[i]);
	}
	//剩下的N-K个数跟堆顶去作比较，比他大，就替换他进堆
	for (int i = k; i < n; i++)
	{
		if (a[i]>HeapTop(&hp))
		{
			hp.a[0] = a[i];
			Adjustdown(hp.a, hp.size, 0);
		}
	}
	HeapPrint(&hp);
	HeapDestroy(&hp);
}
void TestTopk()
{
	int n = 1000000;
	int* a = (int*)malloc(sizeof(int)*n);
	srand(time(0));
	for (size_t i = 0; i < n; ++i)
	{
		a[i] = rand() % 1000000;
	}
	// 再去设置10个比100w大的数
	a[9] = 1000000 + 1;
	a[1231] = 1000000 + 2;
	a[5355] = 1000000 + 3;
	a[51] = 1000000 + 4;
	a[15] = 1000000 + 5;
	a[2335] = 1000000 + 6;
	a[9999] = 1000000 + 7;
	a[76] = 1000000 + 8;
	a[423] = 1000000 + 9;
	a[3144] = 1000000 + 10;
	PrintTopK(a, n, 10);
}
int main()
{

	TestTopk();
	return 0;
}

在数组里存了 一百万个数，然后用堆进行排序，最后选出前十个最大的数