Topk

力扣第一题

题目描述: 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。

示例 1：

输入：arr = [3,2,1], k = 2
输出：[1,2] 或者 [2,1]
示例 2：

输入：arr = [0,1,2,1], k = 1
输出：[0]

---

个人看到此题第一反应就是一道经典的Top k问题，将问题抽象化，如果你意识不到这是个Top k问题，可能就会走很多弯路了。

---

Top k问题几种解法:

1. 排序后取值，可以在平均O(logn)的时间下得到结果，但是不适合数据量大的场景并且毕竟将所有的值都进行了排序，但是结果缺并不要求顺序，自然浪费了一定的工作，因此可以想到应该会有更好的办法
2. 说到排序算法自然就会想到quick sort，在稍微多想一下，快排的思想就是partition划分，当划分的位置正好等于k时则可立马得出结果，不需要做后续排序操作，这样看来确实比第一个方法好了不少
3. 堆排，其实列出前面两种方法只是想进行一些思考，将以往排序方法做一下回顾，但是实际解决Top k问题的时候还是堆排序，也就是常说的构造大顶堆和小顶堆，一次堆化操作的时间复杂度是O(logk)，因此正在堆排序的时间复杂度就是O(nlogK)了，基本就是O(n)了，并且空间上也是极优的,O(k)即O(1)就足够了，这里就不说堆排的实现了，某度有很多。

---

思想有了，然后就可以实践写代码了，学着百度写了一上午终于写了一个堆排序出来，正觉得很牛逼，然后隔壁老王花10分钟就把问题解决了。其实java里面有个PriorityQueue优先级队列这么个东西，他其实就是一个小顶堆，直接用就行了。有人可能要喷我了，你前面说那么多说个🐔啊，直接说有这个类不就行了么。哈哈，但是解题思想确实很重要，总结问题归类问题，反正本人越来越觉得将问题抽象化是解决问题过程中极为关键的一步。

---