堆(优先队列)分为最大堆和最小堆。
python实现
class HEAPQ:
# 最小堆
def __init__(self, l):
self.l = l
self.build()
def build(self):
n = len(self.l)
end = n // 2
for i in range(end, -1, -1):
self.update(i)
def update(self, i):
l = self.l
n = len(l)
idx = i
if 2 * i + 1 < n and l[2 * i + 1] < l[idx]:
idx = 2 * i + 1
if 2 * i + 2 < n and l[2 * i + 2] < l[idx]:
idx = 2 * i + 2
if idx != i:
l[i], l[idx] = l[idx], l[i]
self.update(idx)
def push(self, x) -> int:
l = self.l
l.append(x)
i = len(l)-1
while i != 0:
parent = (i-1) // 2
# 父节点大于 则上浮
if l[parent] > l[i]:
l[parent], l[i] = l[i], l[parent]
i = parent
else:
break
def pop(self):
l = self.l
n = len(l)
l[0], l[n - 1] = l[n - 1], l[0]
t = l.pop()
self.update(0)
return t
def top(self):
return self.l[0]
215. 数组中的第K个最大元素
给定整数数组 nums 和整数 k,请返回数组中第 k 个最大的元素。
请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。
你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。
面试题 17.09. 第 k 个数
有些数的素因子只有 3,5,7,请设计一个算法找出第 k 个数。注意,不是必须有这些素因子,而是必须不包含其他的素因子。例如,前几个数按顺序应该是 1,3,5,7,9,15,21。
面试题 17.09. 第 k 个数
class Solution:
def getKthMagicNumber(self, k: int) -> int:
l = [1]
ss = set()
tt = (3,5,7)
for i in range(1,k):
t = heapq.heappop(l)
for x in tt:
if t*x not in ss:
heapq.heappush(l, t*x)
ss.add(t*x)
return l[0]
面试题 17.20. 连续中值
随机产生数字并传递给一个方法。你能否完成这个方法,在每次产生新值时,寻找当前所有值的中间值(中位数)并保存。
中位数是有序列表中间的数。如果列表长度是偶数,中位数则是中间两个数的平均值。
例如,[2,3,4] 的中位数是 3,[2,3] 的中位数是 (2 + 3) / 2 = 2.5
设计一个支持以下两种操作的数据结构:
void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
面试题 17.20. 连续中值
class MedianFinder:
def __init__(self):
self.max_heapq = [] # 最大堆个数大于等于最小堆
self.min_heapq = []
def addMax(self, l, x):
l.append(x)
n = len(l)
start = n-1
while start > 0:
p = (start-1)//2
if l[p] < l[start]:
l[p], l[start] = l[start],l[p]
start = p
else:
break
def addMin(self, l, x):
l.append(x)
n = len(l)
start = n-1
while start > 0:
p = (start-1)//2
if l[p] > l[start]:
l[p], l[start] = l[start],l[p]
start = p
else:
break
def updateMax(self, l,i, n):
idx = i
if i*2+1<n and l[2*i+1] > l[i]:
idx = i*2+1
if i*2+2<n and l[2*i+2] > l[idx]:
idx = i*2+2
if idx!=i:
l[idx], l[i] = l[i], l[idx]
self.updateMax(l, idx, n)
def updateMin(self, l,i, n):
idx = i
if i*2+1<n and l[2*i+1] < l[i]:
idx = i*2+1
if i*2+2<n and l[2*i+2] < l[idx]:
idx = i*2+2
if idx!=i:
l[idx], l[i] = l[i], l[idx]
self.updateMin(l, idx, n)
def popMax(self, l):
n = len(l)
l[0], l[n-1] = l[n-1], l[0]
t = l.pop()
self.updateMax(l, 0, n-1)
return t
def popMin(self, l):
n = len(l)
l[0], l[n-1] = l[n-1], l[0]
t = l.pop()
self.updateMin(l, 0, n-1)
return t
def addNum(self, num: int) -> None:
if not self.max_heapq:
self.max_heapq.append(num)
return
if num <= self.max_heapq[0]:
self.addMax(self.max_heapq, num)
else:
self.addMin(self.min_heapq, num)
if len(self.min_heapq) > len(self.max_heapq):
self.addMax(self.max_heapq, self.popMin(self.min_heapq))
elif len(self.max_heapq)-len(self.min_heapq) >1:
self.addMin(self.min_heapq, self.popMax(self.max_heapq))
def findMedian(self) -> float:
if len(self.max_heapq) == len(self.min_heapq):
return (self.max_heapq[0] + self.min_heapq[0])/2
else:
return self.max_heapq[0]