来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/k-closest-points-to-origin
实现语言: Java
文章记录的是第一次做力扣题时的代码,之后做题的代码放在GitHub上了,由于博客中的文章有点多,挨个修改费时费力,博客中写的有关力扣的文章和GitHub中的代码并不完全对应。力扣题GitHub地址
题目
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:
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]]。
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。)
方法:优先级队列 - 最大堆
普通的队列是一种先进先出的数据结构,元素在队列尾追加,而从队列头删除。在优先队列中,元素被赋予优先级。当访问元素时,具有最高优先级的元素最先删除。优先队列具有最高级先出 (first in, largest out)的行为特征。通常采用堆数据结构来实现。
如果不提供比较器 Comparator
,优先队列中元素默认按自然顺序排列,也就是数字默认是小的在队列头,字符串则按字典序排列。比较器Comparator
通过重写返回int
值的正负来做判断。
比如:
public int compare(int a, int b) {
return b - a; //后面的元素-前面的元素
}
-
结果为
-
,则返回前面一个元素,也就是 a 的优先级比较高 -
结果为
+
,则返回后面一个元素,也就是 b 的优先级比较高
public int compare(int a, int b) {
return a - b; //前面的元素-后面的元素
}
-
结果为
-
,则返回前面一个元素,也就是 a 的优先级比较高 -
结果为
+
,则返回后面一个元素,也就是 b 的优先级比较高
优先级队列里存放每个点的 平方和 以及 下标。本题采用最大堆实现,也就是大值在队头,构造大小为k的最大堆,最顶为最大值。因此,前k个点的平方和以及下标可以直接放入优先级队列里。剩余的数据,如果平方和小于队头的平方和,才移除队头的数据,插入新数据。
代码实现
import java.util.PriorityQueue;
import java.util.Comparator;
class Solution {
public int[][] kClosest(int[][] points, int k) {
int len = points.length;
// 构造优先级队列的比较器,返回的值必须是比较的结果,不能返回min(),max()之类的
Comparator<int[]> comparator = new Comparator<int[]>() {
public int compare(int[] a, int[] b) {
return b[0]- a[0];
}
};
PriorityQueue<int[]> queue = new PriorityQueue<int[]>(comparator);
// 构造最大堆(堆顶为最大值),大小为k。前k个数据直接放入堆里
for (int i=0; i<k; i++) {
int sum = points[i][0]*points[i][0] + points[i][1]*points[i][1];
int[] tmp = new int[]{sum, i};
queue.offer(tmp);
}
// 剩余的数据,判断是否加入到堆里。
// 如果小于最大堆里的最大值,也就是堆顶的值,就加入到最大堆里,否则,不加入堆里
for (int i=k; i<len; i++) {
int sum = points[i][0]*points[i][0] + points[i][1]*points[i][1];
// peek()返回的是堆顶的数据
if (sum<queue.peek()[0]) {
queue.poll();
queue.offer(new int[]{sum,i});
}
}
// 取出堆里的全部数据,放入到最终的结果中,并返回
int[][] res = new int[k][2];
for (int i=0; i<k; i++) {
res[i] = points[queue.poll()[1]];
}
return res;
}
}
时间复杂度:O( n )
空间复杂度:O( k )
执行用时:32 ms
内存消耗:46.4 MB