440. 字典序的第K小数字 详解 & leetcode中相关的 top-K 题目

440. 字典序的第K小数字 困难

题目描述：给定整数 n 和 k，返回 [1, n] 中字典序第 k 小的数字。

思路分析

什么是字典序？简而言之，就是根据数字的前缀进行排序。

比如 10 < 9，因为 10 的前缀是 1，比 9 小。

再比如 112 < 12，因为 112 的前缀 11 小于 12。

这样排序下来，会跟平常的升序排序会有非常大的不同。比如，一个数乘 10，或者加 1，哪个大？可能你会吃惊，后者会更大。

我们先将字典序抽象为字典树，如下图：

每一个节点都拥有 10 个孩子节点，因为作为一个前缀 ，它后面可以接 0~9 这十个数字。而且你可以非常容易地发现，整个字典序排列也就是对十叉树进行先序遍历（1, 10, 100, 101, … 11, 110 …）。

我们需要找到排在第k位的数。找到他的排位，需要搞清楚三件事情：

• 怎么确定一个前缀下所有子节点的个数？
• 如果第 k 个数在当前的前缀下，怎么继续往下面的子节点找？
• 如果第 k 个数不在当前的前缀，即当前的前缀比较小，如何扩大前缀，增大寻找的范围？

思路拆解分析

第一步：确定指定前缀下所有子节点数。

现在我们的目标是给定一个前缀，然后返回下面子节点总数。把数字全部转成字符串并排序，显然不现实。

字序列的字典序有一个特点：以数字 i 开头的所有数字串 按字典序一定 排在以数字 i+1 开头的所有数字串的前面。

对每个数字 i，唯一能做的就是确定以数字 i 开头的字符串的个数。但是有一个限制是，以 i 开头的数字不能超过最大数字 n。

• 比如 i = 1，n = 12时，以 1 开头的有 1,10,11,12,13,14,15,16,17,18,19。但是 n = 12，则数字只能是 1，10，11，12。以 1 开头的数字串共有 3 个。

所以，我们的思路就是用下一个前缀的起点减去当前前缀的起点，那么就是当前前缀下的所有子节点数总和了。

// prefix是前缀，n是上界
public long getCount(int prefix,int n) {
    // 当前的前缀
    long cur = prefix;
    // 下一个前缀
    long next = prefix + 1;
    long count = 0;
    while (cur <= n) {
        count += next - cur;
        cur *= 10;
        next *= 10;
    }
    return count;
}

对上面代码进行分析：

• 如果说刚刚prefix是1，next是2，那么现在分别变成10和20，1为前缀的子节点增加10个，十叉树增加一层, 变成了两层。
• 如果说现在prefix是10，next是20，那么现在分别变成100和200，1为前缀的子节点增加100个，十叉树又增加了一层，变成了三层

当然，不知道大家发现一个问题没有，当 next 的值大于上界的时候，那以这个前缀为根节点的十叉树就不是满十叉树了，应该到上界那里，后面都不再有子节点。因此，count += next - cur; 还是有些问题的，做一下修改：

count += Math.min(n + 1,next) - cur;

那么为什么是 n+1 ，而不是 n 呢？不是说了 n 是上界吗？

假若现在上界 n为 13，算出以 1 为前缀的子节点数，首先 1 本身是一个节点，接下来要算下面 10，11，12，13一共有 5 个子节点。那么如果用 count += Math.min(n + 1,next) - cur; 会怎么样？

这时候算出来会少一个，13 - 10 加上根节点，最后只有 4 个。因此我们必须要写 n+1。

// prefix是前缀，n是上界
public long getCount(int prefix,int n) {
    // 当前的前缀
    long cur = prefix;
    // 下一个前缀
    long next = prefix + 1;
    long count = 0;
    while (cur <= n) {
        count += Math.min(n + 1,next) - cur;
        cur *= 10;
        next *= 10;
    }
    return count;
}

第二步：如果第 k 个数在当前的前缀下，继续往下面的子节点找。

继续往下面的子节点找，prefix这样处理就可以了。

prefix *= 10;

第三步：第 k 个数不在当前的前缀，即当前的前缀比较小，继续扩大前缀寻找。

第k个数不在当前前缀下，说明当前的前缀小了，我们扩大前缀。

prefix ++;

最终代码整合

我们对上面的思路分析进行代码整合：

class Solution {
	public int findKthNumber(int n, int k) {
        // 作为一个指针，指向当前所在位置，当p==k时，也就是到了排位第k的数
        int p = 1;
        int prefix = 1;
        while (p < k) {
            // 获得当前前缀下有多少个子节点
            long count = getCount(prefix, n);
            if (p + count > k) { // 第k个数在当前前缀下
                prefix *= 10;
                p++;
            } else if (p + count <= k) { // 第k个数不在当前前缀下
                prefix++;
                p += count; // 注意这里的操作，把指针指向了下一前缀的起点
            }

        }
        return prefix;

    }
    // prefix是前缀，n是上界
    public long getCount(int prefix,int n) {
        // 当前的前缀
        long cur = prefix;
        // 下一个前缀
        long next = prefix + 1;
        long count = 0;
        while (cur <= n) {
            count += Math.min(n + 1,next) - cur;
            cur *= 10;
            next *= 10;
        }
        return count;
    }
}

leetcode相关 top-K 题目

剑指 Offer II 076. 数组中的第 k 大的数字

• 建立一个优先级队列（小顶堆），里面只维护 k 个元素；
• 首先将数组中前k个元素放入堆中，堆顶是最小的元素；
• 后面从第 k+1 个数开始遍历数组，比较堆顶元素与数组元素中的值，当堆顶元素小于数组中的元素时，将堆顶元素弹出，新元素入堆，这样最终堆顶元素即为第k大。

public int findKthLargest(int[] nums, int k) {
    // 构造小顶堆
    PriorityQueue<Integer> queue = new PriorityQueue<>();
    // 将前k个数放入优先级队列，此时堆顶就是最大的数
    for (int i = 0; i < k; i++) {
        queue.offer(nums[i]);
    }
    // 堆顶维护的就是第 k 大的值
    for (int i = k; i < nums.length; i++) {
        if (nums[i] > queue.peek()) {
            queue.poll();
            queue.offer(nums[i]);
        }
    }
    return queue.peek();
}

剑指 Offer 54. 二叉搜索树的第k大节点

思路：二叉搜索树中序遍历的倒序是一个单调递减的序列，所以我们按照右中左的方式遍历即可。

class Solution {

    int index = 0;
    int result = 0;
    public int kthLargest(TreeNode root, int k) {
        dfs(root,k);
        return result;
    }
    public void dfs(TreeNode root,int k) {
        if (root == null) {
            return;
        }
        dfs(root.right,k);
        index++;
        if(k == index) result = root.val; //根
        dfs(root.left,k); //左
    }

}