题215.数组中第K个最大元素
题意
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。
eg
输入: [3,2,1,5,6,4] 和 k = 2
输出: 5
解题
看到这道题我们很容易想到就是将数组进行从大到小进行排序,而后输出第K个数,但这样做的问题在于我们把所有的数都进行了排序,时间复杂度为O(nlogn),但实际上并无必要。
为了加快解题速度,减少不必要操作,本题有多种解法,列出两种,一种是 针对快排进行改进,另一种是利用 最大堆。
改进的快排
定义一个partition函数,实现快速排序,每次返回快排的基准数在数组中的位置:
def partition(l,r):
pivot=l
while l<r:
while l<r and nums[r]>=nums[pivot]:
r-=1
while l<r and nums[l]<=nums[pivot]:
l+=1
nums[l],nums[r]=nums[r],nums[l]
nums[l],nums[pivot]=nums[pivot],nums[l]
return l
比较partition函数返回值和 K 的关系
- 如果比 k 大,那么就从前半部分中继续找 k
- 如果比 k 小,就在后半部分中继续找 k
这样就不用对所有数进行排序,当找到第 K 个数后直接返回
k=len(nums)-k
l,r=0,len(nums)-1
while True:
tmp=partition(l,r)
if tmp==k:
return nums[tmp]
elif tmp<k:
l=tmp+1
else:
r=tmp-1
最大堆
可以利用python的heapq库来解题,但是headq默认的最小堆,为了符合题意,可以把所有数值先转为负的,然后输出。
for num in nums:
num*=-1
heapq.heapify(nums)
for i in range(k-1):
heapq.heappop(nums)
return -1*heapq.heappop(nums)
题217.存在重复元素
题意
给定一个整数数组,判断是否存在重复元素。
如果存在一值在数组中出现至少两次,函数返回 true
。如果数组中每个元素都不相同,则返回 false
。
解题
本题比较简单,很多种解法
- 排序后逐个比较
把所有数排序后遍历,逐个比较,如果有两个相等,返回True
时间复杂度O(nlogn)
nums.sort()
for i in range(len(nums)-1):
if nums[i]==nums[i+1]:
return True
return False
- 利用set去重,比较是否和原数组等长
return False if len(set(nums))==len(nums) else True
- 哈希表
遍历数组,将已遍历的数放到哈希表中,如果遍历到的数已存在,则退出遍历,代码略。
题230.二叉搜索树中第K小的元素
题意
给定一个二叉搜索树,编写一个函数 kthSmallest
来查找其中第 k 个最小的元素。
说明:
你可以假设 k 总是有效的,1 ≤ k ≤ 二叉搜索树元素个数。
eg
输入: root = [3,1,4,null,2], k = 1
3
/ \
1 4
\
2
输出: 1
解题
本题需要用好题目中 二叉搜索树 这个条件。
- 递归
def helper(root):
return helper(root.left)+[root.val]+helper(root.right) if root else []
return helper(root)[k-1]
由于遍历了整棵树,所以时间复杂度为O(n),用了一个数组来存储遍历结果,所以空间复杂度也是O(n)
- 迭代
对二叉树进行遍历,将遍历到的元素放到栈当中,优先将左子树加到栈中。
每遍历完一次,对元素进行pop操作,每弹出一次,将k减一,实际上每次弹出的都是当前树中的最小元素。
如果k减到零了,将当前弹出的元素输出;如果没有,将当前元素的右侧节点加入栈中,重复上述操作。
这样,实际上就实现了树的中序遍历
helper[]
while True:
while root:
helper.append(root)
root=root.left
root=helper.pop()
k-=1
#判断是否到第k个数了
if not k:
return root.val
root=root.right