题目:
我们有一个由平面上的点组成的列表 points。需要从中找出 K 个距离原点 (0, 0) 最近的点。
(这里,平面上两点之间的距离是欧几里德距离。)
你可以按任何顺序返回答案。除了点坐标的顺序之外,答案确保是唯一的。
示例 :
输入:points = [[1,3],[-2,2]], K = 1
输出:[[-2,2]]
解释:
(1, 3) 和原点之间的距离为 sqrt(10),
(-2, 2) 和原点之间的距离为 sqrt(8),
由于 sqrt(8) < sqrt(10),(-2, 2) 离原点更近。
我们只需要距离原点最近的 K = 1 个点,所以答案就是 [[-2,2]]。
这里主要是以分治算法来求解这道题,关于分治算法的思路,可以click here,。
稍微想下这个题目的话,你会发现这题跟分治算法【三】——应用:Leetcode215. 数组中的第K个最大元素
非常的相似。
我们的基本思路都是先基于分治算法去把这个list去按一定的顺序排序,然后取出特定的一段来获得结果。
读者可以先不看下面的代码,看看上面的那边博文,然后想想自己能不能解出来。
代码
class Solution:
def kClosest(self, points: List[List[int]], K: int) -> List[List[int]]:
if not points:
return points
def merge(lists):
if len(lists) == 1:
return lists
# 分解, 求解
mid = len(lists) // 2
left = merge(lists[: mid])
right = merge(lists[mid:])
# 合并结果
return merge_connet(left, right)
def merge_connet(left, right):
i, j = 0, 0
n_left, n_right = len(left), len(right)
result = []
while i < n_left and j < n_right:
if calculate_distance(left[i], [0, 0]) < calculate_distance(right[j], [0, 0]):
result.append(left[i])
i += 1
else:
result.append(right[j])
j += 1
result += left[i:]
result += right[j:]
return result
# 计算欧式距离
def calculate_distance(point_A, point_B):
distance = (point_A[0] - point_B[0]) ** 2 + (point_A[1] - point_B[1]) ** 2
return distance
return merge(points)[:K]