python查找第k大的数_寻找数组中第K大的数

给定一个数组A,要求找到数组A中第K大的数字。对于这个问题,解决方案有不少,此处我只给出三种:

方法1:

对数组A进行排序,然后遍历一遍就可以找到第K大的数字。该方法的时间复杂度为O(N*logN)

方法2:

利用简单选择排序法的思想,每次通过比较选出最大的数字来,比较上K次就能找出第K大的数字来。该方法的时间复杂度为O(N*K),最坏情况下为O(N^2)。

方法3:

这种方法是本文谈论的重点,可以利用快排的思想,首先快排每次执行都能确定一个元素的最终的位置,如果这个位置是n-k(其中n是数组A的长度)的话,那么就相当于找到了第K大的元素。设确定的元素位置m的话,如果m > n - k大的话,那么第K大的数字一定

在A[0]~A[m - 1]之间;如果m < n - k的话,那么第K大的数字一定在A[m+1]~A[n - 1]之间。整个过程可以通过递归实现,具体代码如下:

#include

#include

#include

#include

#include

#include

#include

#include

#include

#include

#include

using namespace std;

int Partition(int* arr,int low ,int high)

{

int temp = arr[low];

while(low < high)

{

while(low < high && arr[high] >= temp)

high--;

arr[low] = arr[high];

while(low < high && arr[low] <= temp)

low++;

arr[high] = arr[low];

}

arr[low] = temp;//确定参考元素的位置

return low;

}

int KthElement(int * arr,int low, int high,int n ,int k)

{

if(arr == nullptr || low >= high || k > n)//边界条件和特殊输入的处理

return 0;

int pos = Partition(arr,low,high);

while(pos != n - k)

{

if(pos > n - k)

{

high = pos - 1;

pos = Partition(arr,low,high);

}

if(pos < n - k)

{

low = pos + 1;

pos = Partition(arr,low,high);

}

}

return arr[pos];

}

int main()

{

int a[]={1,5,5,7,88,11};

cout<

}

注意:

1.第K大的数字在数组中对应的位置为n-k(按照升序排序的话)。

2.该算法的时间复杂度整体上为O(N)。

3.需要注意的是:这种方法会改变数组中元素的顺序,即会改变数组本身。

4.如果要求第K小的数字的话,只需把n-k换成k-1即可(升序排序)。

===================================================================================================================================================================================================

接下来,我们仔细分析一下方法3的时间复杂度,其实方法3在《算法导论》第九章有着比较详细的描述,但《算法导论》说的是期望为线性时间的选择算法,即该算法的时间复杂度在平均情况下或者一般情况下为O(n);因为此处利用的快排的思想,而快排的时间

复杂度在一般情况下为O(N*logN),但在最坏的情况下(即整个数组原本就是有序的情况)时间复杂度为O(N^2)。所以说对于方法3,《算导》最后给定结果是这样的:平均时间复杂度为O(N),最坏情况下的时间复杂度为O(N^2)。

但是,此处的“平均”同快排一样,是适用于绝大数的情况的。所以我们通常说该算法的时间复杂度为O(N)。

1.我们要搞清楚一点,快排是对参考元素两边都进行递归,而我们的方法3只考虑参考元素的一边,即只对一边进行递归。

2.我们可以粗略的估计下(具体计算还是参考《算导》),在一般情况下方法3的时间复杂度计算公式,假设我们的数据足够的随机,每次划分都在数据序列的中间位置,根据条件1,那么第一次划分我们需要遍历约n个数,第二次需要遍历约n/2个数,...,这样递归下去,最后:

当m趋于无穷大时,该式子收敛于2n,故可以认为其期望时间复杂度为O(N).

===================================================================================================================================================================================================

实际上,《算导》还给出了一种最坏情况下时间复杂度为O(N)的解法,这种方法与方法3类似,都采用了类似快排的思想,但做了一些改变,同时把参考元素也作为输入参数,具体的话此处不再详述,感兴趣可参考《算导》第九章第三节。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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