TopK问题的常见两种解法

TopK问题的常见两种解法

1 什么是TopK

​ 面试中经常会被面试官这样问到：假设一个数组中有上万个数字，我们要找到第K小（大）或者前K小（大）个数字，这时候应该用什么方法去找？

​ 当然不能傻傻的回答用快速排序然后去找，那么只能收到一封感谢信。

2 常见思路

​ 这种场景下常用的思路有两种：

• 基于大顶堆实现时间复杂度O(nlogK)的算法

  假设我们要找前k小的所有元素，首先将数组中前K个元素加入大顶堆中，然后从第k+1个元素开始将当前元素和堆顶元素比较，把较小者加入堆中（Java中用优先队列实现，如果不需要自己手动写堆的话）

• 基于快排思想的partition实现时间复杂度O(n)的算法

  定义一个partition(arr, start, end, k)表示划分数组arr的[start,end]部分，使前k个小的数在数组的左侧，假设划分返回的下标为pos，即pivot是数组中第
   pos-l+1小的数，那么会有三种情况：
   * 如果pos-l+1==k，表示pivot就是第k小的数，直接返回即可。
   * 若果pos-l+1<k，表示第k小的数在pivot的右侧，因此递归调用partition(arr, pos + 1, end, k-(pos - l + 1))
   * 如果post-l+1>k,表示第k小的数在pivot的左侧，递归调用partition(arr, start, pos - 1, k)。
  递归入口：partition(arr, 0, arr.length - 1 ,k)
  > 注意：pivot的选择常见的有三种1. 选择l作为基准；2. 选择r作为基准；3. 选择一个随机索引与l或者r交换，将l或者r作为基准。
  

3 比较

	基于Partition的解法	基于堆的解法
时间复杂度	O(n)	O(nlogk)
是否需要修改数组	是	否
是否适用于海量数据	否	是

4 练习题

剑指Offer第40题