分治算法【五】——应用：Leetcode973. 最接近原点的 K 个点

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]