Leetcode 题解 - 排序

参考：https://github.com/CyC2018/CS-Notes

• 快速选择
• 堆
  • 1. Kth Element
• 桶排序
  • 1. 出现频率最多的 k 个元素
  • 2. 按照字符出现次数对字符串排序
• 荷兰国旗问题
  • 1. 按颜色进行排序

快速选择

用于求解 Kth Element 问题，也就是第 K 个元素的问题。

可以使用快速排序的 partition() 进行实现。需要先打乱数组，否则最坏情况下时间复杂度为 O(N²)。

堆

用于求解 TopK Elements 问题，也就是 K 个最小元素的问题。可以维护一个大小为 K 的最小堆，最小堆中的元素就是最小元素。最小堆需要使用大顶堆来实现，大顶堆表示堆顶元素是堆中最大元素。这是因为我们要得到 k 个最小的元素，因此当遍历到一个新的元素时，需要知道这个新元素是否比堆中最大的元素更小，更小的话就把堆中最大元素去除，并将新元素添加到堆中。所以我们需要很容易得到最大元素并移除最大元素，大顶堆就能很好满足这个要求。

堆也可以用于求解 Kth Element 问题，得到了大小为 k 的最小堆之后，因为使用了大顶堆来实现，因此堆顶元素就是第 k 大的元素。

快速选择也可以求解 TopK Elements 问题，因为找到 Kth Element 之后，再遍历一次数组，所有小于等于 Kth Element 的元素都是 TopK Elements。

可以看到，快速选择和堆排序都可以求解 Kth Element 和 TopK Elements 问题。

1. Kth Element

215. Kth Largest Element in an Array (Medium)

Leetcode / 力扣

Input: [3,2,1,5,6,4] and k = 2
Output: 5

题目描述：找到倒数第 k 个的元素。

排序 ：时间复杂度 O(NlogN)，空间复杂度 O(1)

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

堆 ：时间复杂度 O(NlogK)，空间复杂度 O(K)。

class Solution {
   
public:
    void maxHeapify(vector<int>& a, int i, int heapSize) {
   
        int l = i * 2 + 1, r = i * 2 + 2, largest = i;
        if (l < heapSize && a[l] > a[largest]) {
   
            largest = l;
        } 
        if (r < heapSize && a[r] > a[largest]) {
   
            largest = r;
        }
        if (largest != i)