day20--堆

最小的K个数

用堆来解决，时间复杂度为O(nlogk)或者O(nlogn)，其中n为数组的长度

 优先队列

(77条消息) 优先队列(priority_queue)总结_行止AC的博客-CSDN博客

#include<queue>
#include <vector>
class Solution {
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
        vector<int> res;
        if(input.empty() || k==0) return res;
        priority_queue<int, vector<int>, greater<int>> q;//(小根堆)优先队列
        for(auto x:input) q.push(x);
        while(k--){
            res.push_back(q.top());
            q.pop();
        }
        return res;
    }
};

寻找第K大

1. sort()--->a[k-1]， 快速排序；   

2. 建立一个小顶堆，用于存储数组中 k 个最大的数，那么堆顶元素就是第 k 大的数，堆排序

#include <functional>
#include <queue>
class Solution {
public:
    int findKth(vector<int> a, int n, int K) {
        //快速排序
        // sort(a.begin(), a.end(), greater<int>());
        // return a[K-1];
        
        //优先队列
        priority_queue<int, vector<int>, greater<>>q;
        for(int i=0; i<K; i++) q.push(a[i]);
        for(int i=K; i<n; i++){//最后顶部就是第k大的数
            if(a[i] > q.top()){q.pop(); q.push(a[i]);}
        }
        return q.top();
    }
};

数据流中的中位数

#include <algorithm>
#include <vector>
class Solution {
public:
    vector<int> v;
    void Insert(int num) {
        v.push_back(num);
    }
    double GetMedian() { 
        int len = v.size();
        sort(v.begin(), v.end());
        if(len%2==0) return double(v[len/2]+v[len/2-1])/2;
        else return double(v[(len-1)/2]);
    }

};

• 初始化一个大根堆，存中位数左边（较小的数）的数据，一个小根堆，存中位数右边的数据
• 动态维护两个数据结构的大小，即最多只相差一个

#include <algorithm>
#include <queue>
#include <vector>
class Solution {
public:
    priority_queue<int, vector<int>, less<int>>maxq;//大根堆(保存中位数左边)
    priority_queue<int, vector<int>, greater<int>>minq;//小根堆(保存中位数右边)
    void Insert(int num) {
        if(maxq.empty() || num < maxq.top()) maxq.push(num);
        else minq.push(num);
        if(maxq.size() > minq.size()+1){
            minq.push(maxq.top());
            maxq.pop();
        }else if(minq.size() > maxq.size()+1){
            maxq.push(minq.top());
            minq.pop();
        }
    }
    double GetMedian() { 
        if(maxq.size() > minq.size()) return maxq.top();
        else if(maxq.size() < minq.size()) return minq.top();
        else return (maxq.top()+minq.top())/2.0;
    }

};