剑指offer 刷题 十七 排序（40 41）

剑指 Offer 40. 最小的k个数
输入整数数组 arr ，找出其中最小的 k 个数。例如，输入4、5、1、6、2、7、3、8这8个数字，则最小的4个数字是1、2、3、4。

这个题我拿到手，第一反应就是一个排序，最后返回前k个就可以。当时想用快速排序，但是发现已经不会写了，尴尬。于是从网上搜索了快速排序的讲解，我发到下面。
快速排序：






代码自己写的：

def getLeastNumbers(self, arr: List[int], k: int) -> List[int]:
        def quicksort(arr, L, R):
            if L >= R: return arr
            left = L
            right = R
            pivot = arr[left]
            while left < right:
                while left < right and arr[right] >= pivot:
                    right -= 1
                arr[left] = arr[right]
                while left < right and arr[left] <= pivot:
                    left += 1
                arr[right] = arr[left]
            arr[left] = pivot
            quicksort(arr, L, right-1)
            quicksort(arr, left+1, R)
        quicksort(arr, 0, len(arr)-1)
        return arr[:k]

注意，在第2个while，一定是>=或者<=，等于号不能少，不然会进入无限的递归循环。
接下来是大佬的思路和代码：






大佬代码，同样是快速排序，差距差太多了，大佬的代码简单死了：

class Solution:
    def getLeastNumbers(self, arr: List[int], k: int) -> List[int]:
        def quick_sort(arr, l, r):
            # 子数组长度为 1 时终止递归
            if l >= r: return
            # 哨兵划分操作（以 arr[l] 作为基准数）
            i, j = l, r
            while i < j:
                while i < j and arr[j] >= arr[l]: j -= 1
                while i < j and arr[i] <= arr[l]: i += 1
                arr[i], arr[j] = arr[j], arr[i]
            arr[l], arr[i] = arr[i], arr[l]
            # 递归左（右）子数组执行哨兵划分
            quick_sort(arr, l, i - 1)
            quick_sort(arr, i + 1, r)
        
        quick_sort(arr, 0, len(arr) - 1)
        return arr[:k]

大佬代码：

class Solution:
    def getLeastNumbers(self, arr: List[int], k: int) -> List[int]:
        if k >= len(arr): return arr
        def quick_sort(l, r):
            i, j = l, r
            while i < j:
                while i < j and arr[j] >= arr[l]: j -= 1
                while i < j and arr[i] <= arr[l]: i += 1
                arr[i], arr[j] = arr[j], arr[i]
            arr[l], arr[i] = arr[i], arr[l]
            if k < i: return quick_sort(l, i - 1) 
            if k > i: return quick_sort(i + 1, r)
            return arr[:k]
            
        return quick_sort(0, len(arr) - 1)

剑指 Offer 41. 数据流中的中位数
如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后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。

下面是我自己写的代码：

class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.li = []

    def addNum(self, num: int) -> None:
        self.li.append(num)
        self.li.sort()

    def findMedian(self) -> float:
        if not self.li: return None
        elif len(self.li) & 1 == 1:
            return self.li[len(self.li)//2]
        else:
            return (self.li[len(self.li)//2] + self.li[len(self.li)//2 - 1]) / 2

下面是大佬的思路和代码：

首先补充一个概念：
小顶堆：堆顶是最小值。
大顶堆：堆顶是最大值。
python只有小顶堆，没有大顶堆，可以通过取负数来实现。

上面这个思路和我的思路是一样的，但是大佬下面是用堆解决的。

以此类推


大佬代码，这我真写不出来，不知道用顶堆的概念：

from heapq import *

class MedianFinder:
    def __init__(self):
        self.A = [] # 小顶堆，保存较大的一半
        self.B = [] # 大顶堆，保存较小的一半

    def addNum(self, num: int) -> None:
        if len(self.A) != len(self.B):
            heappush(self.A, num)
            heappush(self.B, -heappop(self.A))
        else:
            heappush(self.B, -num)
            heappush(self.A, -heappop(self.B))

    def findMedian(self) -> float:
        return self.A[0] if len(self.A) != len(self.B) else (self.A[0] - self.B[0]) / 2.0

继续优化代码：

from heapq import *

class MedianFinder:
    def __init__(self):
        self.A = [] # 小顶堆，保存较大的一半
        self.B = [] # 大顶堆，保存较小的一半

    def addNum(self, num: int) -> None:
        if len(self.A) != len(self.B):
            heappush(self.B, -heappushpop(self.A, num))
        else:
            heappush(self.A, -heappushpop(self.B, -num))

    def findMedian(self) -> float:
        return self.A[0] if len(self.A) != len(self.B) else (self.A[0] - self.B[0]) / 2.0

想到之前看算法通关40讲的一道题，我贴在下面。也是应用了小顶堆。
求第K大的元素


永远维护最小值，维护最小值的时间复杂度是O(log2K)
小顶堆拿数据，时间复杂度是O(1).
所以总共是O(NlogK)