求 Top K 的算法主要有基于快速排序的和基于堆的这两种,它们的时间复杂度都为 O ( n l o g K ) O(nlogK) O(nlogK)。借助于分治思想,以及快速排序的区间划分,我们可以做到 O ( n ) O(n) O(n) 时间复杂度。具体算法思路如下:
- 第 1 步,我们将原数据 5 个一组划分为若干个组,最后余下的不足 5 个的额外作为一组,总组数为 g = ⌈ n / 5 ⌉ g=\lceil{n/5}\rceil g=⌈n/5⌉;
- 第 2,3 步, 对每一个组内的 5 个元素利用插入排序算法进行排序,然后将每个组的中位数依次放到数据的前面,最后 A [ 0 , g − 1 ] A[0, g-1] A[0,g−1] 保存的便是 g g g 个组各自的中位数;
- 第 4 步,递归调用求出 A [ 0 , g − 1 ] A[0, g-1] A[0,g−1] 的中位数,也即是元素 A [ g / 2 ] A[g/2] A[g/2],不知是否可以直接得到;
- 第 5 步,以上一步得到的中位数对数据划分区间,左边小于中位数,右边大于中位数,中位数位于第 k k k 个位置;
- 第 6 步,如果我们要找的正好是第 k k k 大数,那么刚刚得到的中位数即为所求;
- 第 7 步,如果 i < k i<k i<k 我们要找的第 i i i 大数位于区间 A [ 0 , k − 1 ] A[0, k-1] A[0,k−1],在左半边递归求取第 i i i 大的数;
- 第 8 步,如果 i > k i>k i>k 我们要找的第 i i i 大数位于区间 A [ k + 1 : − 1 ] A[k+1:-1] A[k+1:−1],在右半边递归求取第 i − k i-k i−k 大的数。
def insert_sort(data, left, right):
# 对列表 data[left, right] 进行插入排序
for i in range(left+1, right+1):
num = data[i]
for j in range(i, left, -1):
if num < data[j-1]:
data[j] = data[j-1]
else:
break
data[j] = num
def swap(data, i, j):
# 交换列表 data 位于 i,j 的元素
temp = data[i]
data[i] = data[j]
data[j] = temp
def partition(data, x):
# 按照列表 data 第 x 个元素分区
n = len(data)
i = 0
pivot = data[x]
swap(data, x, n-1)
for j in range(0, n):
if data[j] < pivot:
swap(data, i, j)
i += 1
data[j] = data[i]
data[i] = pivot
return i
def select_ith_min(data, i):
# 选取列表 data 中第 i 小的元素
n = len(data)
# 不要忘了递归终止
if n == 1:
return data[0]
if n % 5 == 0:
group = n // 5
else:
group = n // 5 + 1
for j in range(0, group):
start = j * 5
end = start + 4
if end > n - 1:
end = n - 1
insert_sort(data, start, end)
mid = (end - start + 1) // 2 + start
swap(data, j, mid)
pivot = data[group // 2]
k = partition(data, group // 2)
if k == i-1:
return pivot
elif k > i-1:
return select_ith_max(data[0:k], i)
else:
return select_ith_max(data[k:], i-k)
a = [i for i in range(100, 0, -1)]
print(a)
for i in range(1, 101):
num = select_ith_max(a, i)
print(num)
获取更多精彩,请关注「seniusen」!