如何在无序数组中查找第n小的值

如题：给定一个无序数组，如何查找第K小的值。

例子如下：

在一个无序数组，查找 k = 3 小的数

输入：arr[] = {7, 10, 4, 3, 20, 15}

输出：7

在一个无序数组，查找 k = 4 小的数

输入：arr[] = {7, 10, 4, 3, 20, 15}

输出：10

几种思路如下和复杂度分析如下：

（1）最简单的思路直接使用快排，堆排或者归并排，排序之后取数组的k-1索引的值即可，时间复杂度为O(nLogn)

（2）用大小为k的数组存前k个数，然后找出这里面最大的值kmax，耗时O(K)， 遍历剩余的数，如果有小于里面最大的数，就放进去替换掉当前最大的，依次遍历至结束，每次比较前都得找出kmax，故总的时间复杂度为：O(NK)

（3）使用大顶堆，初始化为k个值，然后后面从k+1开始，依次读取每个值，判断当前的值是否比堆顶的值小，如果小就移除堆顶的值，新增这个小的值，依次处理完整个数组，取堆顶的值就得到第k小的值。 时间复杂度为：建堆的时间为O(K)，每次调整最大堆结构时间为O(lgK)，从而总的时间复杂度为O(K + (N-K)lgK)（适合大数据量）

（4）利用快排找基准的原理，可以在平均时间复杂度O（N）级别完成，当然最坏的情况下是O（n2）与快排的最坏情况一样，但由于平均是O（N）的时间复杂度，所以这种方式一般认为是最优的解法。

 原理如下： 根据题目描述，如果是第k小的值，那就说明在升序排序后，这个值一定在数组的k-1的下标处，如果在k-1处，也就是说只要找到像这样的左边有k个数比k小（可以是无序的，只要小就可以了），那么这个下标的值，就是我们要找的值，利用这个思想我们就可以使用快排的思想，来快速的找基准值的index（数组下标从0开始），如果恰好碰到了基准值的下标index+1=k，那就说明基准值index所在下标的值，就是我们要找的结果。

下面的代码就是基于第四种思路来实现的，其他的方式，有兴趣的可以自己研究一下。

注意，如果思路理解了，那么该题目的变形也比较容易处理，比如

（1）如给定一个无序数组，查找最小/大的k个数，或者叫前k小/大的所有数。

剖析：思路是一样，只不过在最后返回的时候，要把k左边的所有的数返回即可。

（2）给定一个大小为n数组，如果已知这个数组中，有一个数字的数量超过了一半，如何才能快速找到该数字？

剖析：有一个数字的数量超过了一半，隐含的条件是在数组排过序后，中位数字就是n/2的下标，这个index的值必定是该数，所以就变成了查找数组第n/2的index的值，就可以利用快排分区找基准的思想，来快速求出。当然这只是解法的一种。

下面我们看下，从无序数组，如何查找第K小的值，也就是按照上面第四种思路，实现的代码如下：

package cn.mothin.util.encrypt;

/**
 * @Auther: Administrator
 * @Date: 2019/7/4 10:40
 * @Description:
 */
public class test {

    public static int quickSortFindRaidx
            (int a[], int left, int right
            ) {

        int pivot = a[left];

        int i = left;

        int j = right;
        while (i != j) {
//找右边第一个小于基准点的数字
            while (a[j] >= pivot && i < j) j--;
//做右边第一个大于基准点的数字
            while (a[i] <= pivot && i < j) i++;
            if (i < j) {
//进行交换int temp = a[i];a[i] = a[j];a[j] = temp;
            }
        }
//基准归位
        a[left] = a[i];a[i] = pivot;
        return i;

    }

    public static int findKthSmall
            (int a[],

             int left, int right, int k
            ) {
        if (k <= 0 || k > a.length) {
            return -1;
//超出查询范围，直接返回-1
        }
//返回基准点的下标，从0开始
        int pivotIndex = quickSortFindRaidx(a, left, right);

//包含基准点在内的左边的数字个数
        int leftNumCount = pivotIndex + 1;
//说明当前基准下标的值就是我们要找的
        if (leftNumCount == k)

        {
            return a[pivotIndex];

        }//说明要找的数，在基准点的左边，继续在左边部分递归查找
        if (leftNumCount > k) {
            return findKthSmall(a, left, pivotIndex, k);
        } else {//说明要找的数，在基准点的右边，继续在右边部分递归查找
            return findKthSmall
                    (a, pivotIndex + 1, right, k);

        }
    }


    public static void main(String[] args) {
        int[] arr = {12, 3, 5, 7, 4, 19, 26};
        int kthMin = findKthSmall(arr, 0, arr.length - 1, 1);
        System.out.println(kthMin);


    }

}