leetcode系列题四----排序
已经很少见考冒泡的了,重点关注快排和归并
912.排序数组 (快排、归并)
913.对链表进行插入排序 (插入排序)
914.合并两个有序链表 (归并排序)
148.排序链表 (归并排序)
剑指 Offer 51. 数组中的逆序对 (归并排序)
快排
#快排模板
def quick_sort(l,r):
if l >= r: return
ids = random.randrange(l,r+1)
nums[l],nums[ids] = nums[ids],nums[l]
i,j = l,r
while i<j:
while i<j and nums[j] >= nums[l]: j -= 1
while i<j and nums[i] <= nums[l]: i += 1
nums[i], nums[j] = nums[j],nums[i]
nums[i],nums[l] = nums[l],nums[i]
quick_sort(l,i-1)
quick_sort(i+1,r)
最坏时间复杂度O(n^2), 平均O(nlogn),空间复杂度最坏需要O(n)的递归栈空间
但是平均来讲,快排要好于归并与堆排序的,1是因为最差情况的稀疏性,2是因为缓存使用效率高,3是常数系数低,比较赋值交换三种操作综合耗时最低。 因此sort等函数都使用的是快排
归并
归并的本质就是BFS+有序数组合并(双指针)。 类似的题目比如有序链表合并等等。
#归并模板
def merge_sort(l,r):
if l >= r: return
m = (l+r)//2
merge_sort(l,m)
merge_sort(m+1,r)
temp = nums[l:r+1]
i,j = 0, m-l+1
for k in range(l,r+1):
if i == m-l+1:
nums[k] = temp [j]
j+=1
elif j == r-l+1 or temp [i] <= temp [j]:
nums[k] = temp [i]
i+=1
else:
nums[k] = temp [j]
j+=1
时间复杂度为O(nlogn),最佳,最差,平均皆是如此。空间复杂度O(n),借助了辅助数组temp。如果是链表,空间复杂度可以优化至O(1)
对于链表,主要有两个注意点:
1、通过快慢指针找到中心点
2、借助辅助头节点,双指针排序链表
def sortList(self, head: Optional[ListNode]) -> Optional[ListNode]:
if not head or not head.next: return head
slow,fast = head, head.next
while fast and fast.next:
slow = slow.next
fast = fast.next.next
mid, slow.next = slow.next, None
left = self.sortList(head)
right = self.sortList(mid)
res = res_head = ListNode(0)
while left and right:
if left.val <= right.val:
res.next = left
left = left.next
res = res.next
else:
res.next = right
right = right.next
res = res.next
if left:
res.next = left
if right:
res.next = right
return res_head.next
堆排序
- 数据流的中位数
- 数组中的第K个最大元素
- 前 K 个高频元素
面试题40. 最小的k个数
1、代码模板
大根堆小根堆的问题:python自带库中的heap只是小根堆,没有直接建大根堆的模块,处理时直接将值取反用小根堆即可
常见的问题是100w的数取前k,由于基数很大,其他的排序算法会很慢,但是堆排序对这类问题比较有优势.堆排序的算法时间复杂度为O(nlogn)当只找前k个数时是O(nlogk),当k很小时,时间复杂度去向于O(n)
虽然python有内建库,但是面试往往会要求手写,所以两种方法都要会。
2、标题python内建库
heap = [] #创建了一个空堆
heappush(heap,item) #往堆中插入一条新的值
item = heappop(heap) #从堆中弹出最小值
item = heap[0] #查看堆中最小值,不弹出
heapify(x) #以线性时间讲一个列表转化为堆
item = heapreplace(heap,item) #弹出并返回最小值,然后将heapqreplace方法中item的值插入到堆中,堆的整体结构不会发生改变。这里需要考虑到的情况就是如果弹出的值大于item的时候我们可能就需要添加条件来满足function的要求
堆排序:
def heapsort(iterable):
heap = []
for value in iterable:
heapq.heappush(heap,value) #[0, 1, 2, 6, 3, 5, 4, 7, 8, 9]
return [heapq.heappop(heap) for i in range(len(heap))]
print (heapsort([1,3,5,7,9,2,4,6,8,0]))
对于前 K 个高频元素
def topkfrequent(nums,k):
count = collections.Counter(nums)
heap = []#小-》大
for key,val in count.items():
if len(heap) >= k:
if val > heap[0][0]:
heapq.heapreplace(heap,(val,key))
else:
heapq.heappush(heap, (val,key))
return [item[1] for item in heap]
自己实现大顶堆小顶堆:
未完持续