41.最小的k个数
题目:
输入整数数组 arr
,找出其中最小的 k
个数。例如,输入4、5、1、6、2、7、3、8这8个数字,则最小的4个数字是1、2、3、4。
题解:
- 数组
arr
排序,取前k
个值赋给返回数组res
;
public int[] getLeastNumbers(int[] arr, int k) {
int[] res = new int[k];
Arrays.sort(arr);
for (int i = 0; i < k; i++){
res[i] = arr[i];
}
return res;
}
42.数据流中的中位数
题目:
如何得到一个数据流中的中位数?如果从数据流中读出奇数个数值,那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值,那么中位数就是所有数值排序之后中间两个数的平均值。
题解:优先队列/堆,清晰图解
- 刚开始使用list和数组排序,时间超出限制,后来采用大小顶堆
大顶堆和小顶堆
- 大小顶堆初始化
- 使用PriorityQueue维持小顶堆,用来存储较大的元素,假设堆顶元素为a;
- 使用
PriorityQueue<>((x, y) -> (y - x))
维持大顶堆,用来存储较小的元素,假设堆顶元素为b; - 按照大小堆的性质,a和b是所有元素排序后相邻的两个数字且a>=b;
- 简单来讲,a是快班中的倒数第一,b是普通班中的第一名。
addNum
函数- 假如先向q1中add元素num,此时num可能并不属于全部元素中较大的一部分,因此先将其add至q2中,再将q2的堆顶元素add至q1,此时q2起到过滤的作用;
- 假设此时已经向q1中add了一条数据,接下来应该向q2中add数据,同样的应该先将数据add至q1,再将q1的堆顶元素add至q2,此时q1起到过滤的左右;
- 因此如果q1和q2的大小相同,则向q1中add,反之向q2中add;即q1.size() >= q2.size()。
findMedian
函数- 如果q1.size() != q2.size(),则说明q1比q2多一个元素,则q1的堆顶元素是中间值;
- 如果q1.size() == q2.size(),则取二者的堆顶元素返回即可。
- 注意
- 假设先向q2中add元素,获取中间值时若q1.size() != q2.size(),则应该返回q2的堆顶元素;
- q1和q2变量全部互换对程序无影响。
class MedianFinder {
PriorityQueue<Integer> q1,q2;
/** initialize your data structure here. */
public MedianFinder() {
q1 = new PriorityQueue<>();
q2 = new PriorityQueue<>((x, y) -> (y - x));
}
public void addNum(int num) {
if (q1.size() == q2.size()){
q2.add(num);
q1.add(q2.poll());
}else {
q1.add(num);
q2.add(q1.poll());
}
}
public double findMedian() {
return q1.size() != q2.size() ? q1.peek() : (q1.peek() + q2.peek())/2.0;
}
}
别人对我的好,我非常珍视,总是希望双倍报答。别人对我的不好,我当做常态。