leetcode973. 最接近原点的 K 个点/优先队列

题目：973. 最接近原点的 K 个点

我们有一个由平面上的点组成的列表 points。需要从中找出 K 个距离原点 (0, 0) 最近的点。

（这里，平面上两点之间的距离是欧几里德距离。）

你可以按任何顺序返回答案。除了点坐标的顺序之外，答案确保是唯一的。

示例 1：

输入：points = [[1,3],[-2,2]], K = 1
输出：[[-2,2]]
解释： 
(1, 3) 和原点之间的距离为 sqrt(10)，
(-2, 2) 和原点之间的距离为 sqrt(8)，
由于 sqrt(8) < sqrt(10)，(-2, 2) 离原点更近。
我们只需要距离原点最近的 K = 1 个点，所以答案就是 [[-2,2]]。

示例 2：

输入：points = [[3,3],[5,-1],[-2,4]], K = 2
输出：[[3,3],[-2,4]]
（答案 [[-2,4],[3,3]] 也会被接受。）

提示：

• 1 <= K <= points.length <= 10000
• -10000 < points[i][0] < 10000
• -10000 < points[i][1] < 10000

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/k-closest-points-to-origin
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

基本思想：优先队列

• 定义一个新的类型，包含两个元素，坐标以及坐标到原点的距离，并定义比较方法
• 利用优先队列保存新类型的元素
• 借助优先队列能够根据自定义的比较方法自动排序这一特征，来使最近的K个坐标保存在队列中

C++版本

struct Node{
    int val;
    vector<int> pos;
    Node(int a, vector<int> t){
        val = a;
        pos = t;
    }
    bool operator<(const Node& temp)const{
        return val < temp.val;
    }
};

class Solution {
public:
    vector<vector<int>> kClosest(vector<vector<int>>& points, int K) {
        priority_queue<Node, vector<Node>> pq;
        for(auto point : points){
            int cur = point[0] * point[0] + point[1] * point[1];
            if(pq.size() < K){
                pq.push(Node(cur, point));               
            }
            else{
                if(cur < pq.top().val){
                    pq.pop();
                    pq.push(Node(cur, point));
                }
            }            
        }
        vector<vector<int>> res;
        while(!pq.empty()){
            res.push_back(pq.top().pos);
            pq.pop();
        }
        return res;
    }
};

python版本

• 和上述写法稍微有些不同，这里将坐标和原点距离的平方以及坐标组合成一个列表，存放在列表中
• 借助python中heapq维护小根堆的这样一个数据结构
• 由于本题中需要借助大根堆来实现，因此为了转化为使用小根堆，保存坐标和原点距离平方的相反数

class Solution:
    def kClosest(self, points: List[List[int]], K: int) -> List[List[int]]:
        heap = [] # heap本身是一个列表
        i = 0
        for point in points:
            cur = -point[0] * point[0] - point[1] * point[1]
            if len(heap) < K:
                heapq.heappush(heap, [cur, i]) # 在heap中存放元素
            else:
                if cur > heap[0][0]:
                    heapq.heappushpop(heap, [cur, i]) # 在heap中存放一个元素并弹出一个元素
            i += 1 
        res = []
        for h in heap:
            res.append(points[h[1]])
        return res