1 题目描述
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 1:
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]]。
示例 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。)
提示:
1 <= K <= points.length <= 10000
-10000 < points[i][0] < 10000
-10000 < points[i][1] < 10000
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/k-closest-points-to-origin
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
2 解题思路
什么是大顶堆??
上面提到过大顶堆的特点:每个结点的值都大于或等于其左右孩子结点的值,我们把大顶堆构建完毕后根节点的值一定是最大的,然后把
根节点的和最后一个元素(也可以说最后一个节点)交换位置,那么末尾元素此时就是最大元素了(理解这点很重要)
知道了堆排序的原理下面就可以来操作了,在进行操作前先理清一下步骤
(假设我们想要升序的排列)
第一步:先n个元素的无序序列,构建成大顶堆
第二步:将根节点与最后一个元素交换位置,(将最大元素"沉"到数组末端)
第三步:交换过后可能不再满足大顶堆的条件,所以需要将剩下的n-1个元素重新构建成大顶堆
第四步:重复第二步、第三步直到整个数组排序完成
剑指offer里的top k问题。
最重要是弄懂原理。
如果求最小的k个数,那么使用"大根堆",如果求最大的k个数,那么使用"小根堆"。
当求最小的k个数时,用堆来维护当前k个数中的最大值,那么若后来的数比最大值还大,那么显然不是候选答案,直接丢弃。
当求最大的k个数时,用堆来维护当前k个数中的最小值,那么若后来的数比最小值还小,那么显然不是候选答案,直接丢弃。
否则的话,弹出队列头部元素,后来的元素入队,然后仍然保持着上述性质。
这样的时间复杂度为O(nlogk),解释这个复杂度:最坏的情况下,后进来的每个元素都要重新入优先队列,每个元素入队和队顶弹出复杂度是logk,这样一来就是nlogk。
由于logk很小,实际运行应该和O(n)差不多。
若排序,那么最快也是O(nlogn)的。
这里求得是最近的点,也就是求最小,那么使用"大根堆"。
3 解决代码
class Solution {
public int[][] kClosest(int[][] points, int K) {
/*采用JAVA的优先队列,也就是大顶堆。
首先构建大顶堆,比较规则就是改点距离原点的距离。
当把所有的元素插入到小顶堆队列中后,将前K个出队,并存起来,这就是结果
*/
int [][] res = new int[K][2];
//构建一个大顶堆
PriorityQueue<int[]> queue = new PriorityQueue<int[]>(K, new Comparator<int[]>()
{
public int compare(int[] t1, int[] t2)
{
return dis(t1) - dis(t2);
}
});
//将所有元素入队
for (int i = 0; i<points.length; i++){
queue.offer(points[i]);
}
// 前k个元素出栈,就是我们所需要的结果
for(int i = 0; i < K;i++){
res[i] = queue.poll();
}
return res;
}
//计算该点到原点的距离
public int dis(int[] t){
return t[0] * t[0] + t[1] * t[1];
}
}