LeetCode HOT100系列题解之数组中的第K个最大元素(7/100)

目录

题目:第K个最大元素. - 力扣(LeetCode)

题解

方法一 快速排序

方法二 桶排序

思考:各个排序的思路,以及时间复杂度是多少?

1. 冒泡排序(Bubble Sort)

2. 选择排序(Selection Sort)

3. 插入排序(Insertion Sort)

4. 快速排序(Quick Sort)

5. 归并排序(Merge Sort)

6. 堆排序(Heap Sort)


题目:第K个最大元素. - 力扣(LeetCode)

题解

方法一 快速排序

第K大数本身,这是一个经典的快速排序问题,以此做一个快速排序的复习。

需要注意的是,这个题严格规定时间为O(N),快排则是期望为线性O(N)的。

快速排序的思路:

选取一个基准(pivot),通过一趟排序将数据分成两部分:左边的都小于等于基准,右边的都大于基准。然后递归地对左右两部分进行快速排序。

举例(如果有错,理解就可以):

6 5 3 4 2 1

l = 0,  r = 5

i = -1, j = 6

x = q[0] = 6

while循环结束

i = 0 j = 5

swap(q[0], q[5])

k=4<=5,继续,递归走if

1 5 3 4 2

l = 0, r = 5

i = - 1,j = 6

x = q[0] = 1

while(i < j)

while(q [ ++ i ] < 1) 不存在 i = 0

while(q [ - - j ] > 1) j = 0

k = 4 >= 0

走else l = j + 1 = 1, r = 5

1 5 3 4 2 6

l = 1, r = 5

x = q[1] = 5

i = 0, j = 6

while(i < j)

while(q [ ++ i ] < 5) 不存在 i = 1

while(q [ - - j ] > 1) j = 4

swap(q[1], q[4])

1 2 3 4 5 6

l = 1, r = 4

i = 0, j = 5

x = q[1] = 2

i = j = 1

l = 2 ,r = 4

···

l = 4, r = 4 return q[4]

代码: 

class Solution {
public:
    int quick_select(vector<int>& q, int l, int r, int k) {
        if (l == r) return q[l];  // 只有一个元素时直接返回

        int i = l - 1, j = r + 1;
        int x = q[l];  // 选择第一个元素作为基准
        while (i < j) {
            while (q[++i] < x);  // 向右找第一个不小于 x 的元素
            while (q[--j] > x);  // 向左找第一个不大于 x 的元素
            if (i < j) swap(q[i], q[j]);  // 交换
        }

        // 判断 k 在左半部分还是右半部分
        if (k <= j) return quick_select(q, l, j, k);  // 在左半部分查找
        else return quick_select(q, j + 1, r, k);  // 在右半部分查找
    }

    int findKthLargest(vector<int>& nums, int k) {
        int n = nums.size();
        return quick_select(nums, 0, n - 1, n - k);  // 查找第 n-k 个最小的元素
    }
};

方法二 桶排序

该题给出的数据范围以及时间限制,实际上桶排序更符合要求。

代码:  

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        vector<int> s(20010, 0);  // 初始化计数数组,大小为20010,用于存储[-10000, 10000]范围内的数字频率

        // 统计每个元素出现的次数
        for (int num : nums) {
            s[num + 10000]++;  // 将原数组元素映射到[0, 20010)的范围
        }

        // 从大到小遍历查找第k大元素
        for (int i = 20009; i >= 0; i--) {  // 从最大值开始遍历
            k -= s[i];
            if (k <= 0) {
                return i - 10000;  // 将索引还原为原数组的数值
            }
        }

        return -1;  // 如果没有找到(理论上不应到达这里)
    }
};

思考:各个排序的思路,以及时间复杂度是多少?

1. 冒泡排序(Bubble Sort)

  • 思路:重复地遍历要排序的列表,每次比较相邻的两个元素,如果它们的顺序错误就交换它们。每一轮遍历后,最大的元素都会“冒泡”到未排序部分的最后。
  • 时间复杂度:最坏情况下是 O(n^2)。
  • 稳定性:稳定(相同元素的相对位置不会改变)。
  • 特点:实现简单,但效率较低,适合小规模数据或教学用途。

2. 选择排序(Selection Sort)

  • 思路:每次从未排序部分选出最小(或最大)的元素,放到已排序部分的末尾。通过遍历找到最小值或最大值的位置,然后交换到正确的位置。
  • 时间复杂度:最坏情况下是 O(n^2)。
  • 稳定性:不稳定(相同元素的相对位置可能改变)。
  • 特点:比较次数固定为 n(n−1)/2,交换次数较少。

3. 插入排序(Insertion Sort)

  • 思路:将元素逐一插入到已排序部分的合适位置。初始时只有一个元素是已排序的,然后依次将未排序元素插入到前面已排序的部分。
  • 时间复杂度:最坏情况下是O(n^2),最优情况下是 O(n)(当输入已经有序)。
  • 稳定性:稳定。
  • 特点:适合小规模或基本有序的数据。

4. 快速排序(Quick Sort)

  • 思路:选取一个基准(pivot),通过一趟排序将数据分成两部分:左边的都小于等于基准,右边的都大于基准。然后递归地对左右两部分进行快速排序。
  • 时间复杂度:平均是 O(nlog⁡n),最坏情况下是 O(n^2)(当每次选的基准都是最大或最小值)。
  • 稳定性:不稳定。
  • 特点:在大多数情况下是最快的基于比较的排序算法,广泛使用。

5. 归并排序(Merge Sort)

  • 思路:将待排序数组分成两部分,递归地对两部分进行归并排序,然后将两部分合并成一个有序数组。
  • 时间复杂度:始终是O(nlogn)。
  • 稳定性:稳定。
  • 特点:适合大规模数据排序,特别是外部排序(如磁盘数据),但需要额外的空间来存储临时数据。

6. 堆排序(Heap Sort)

  • 思路:利用堆这种数据结构(通常是大顶堆或小顶堆)来排序。首先构造一个大顶堆(或小顶堆),然后反复将堆顶元素取出并重新调整堆,直到所有元素有序。
  • 时间复杂度:最坏情况下是 O(nlog⁡n)。
  • 稳定性:不稳定。
  • 特点:不需要额外的空间,适合大数据的内存排序。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值