最小的 k 个元素
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。
题解
-
快速排序(需要修改输入的数组)
- 算法思想
- 利用快排的思想(快排可以在 O(n))时间内找到第 k 大元素,则也可以找到前 k 小元素
- 复杂度分析
- 时间复杂度 O(n)
- 空间复杂度 O(1)
class Solution { int[] arr; int k; public int[] getLeastNumbers(int[] arr, int k) { if(arr.length == 0)return new int[0]; //特殊情况,如果没有此限制可能会数组越界 if(arr.length == k)return arr; this.arr = arr; this.k = k; return quickSearch(0,arr.length-1); } int[] quickSearch(int low,int high){ int site = partition(low,high); if(site == k){ return Arrays.copyOfRange(arr,0,k); }else if(site > k){ return quickSearch(low,site-1); }else{ return quickSearch(site+1,high); } } int partition(int low,int high){ int pivot = arr[high]; int small = low; for(int i = low;i < high;i++){ if(arr[i] < pivot){ if(small == i){ small++; }else{ swap(i,small); small++; } } } swap(small,high); return small; } void swap(int a,int b){ int temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; } }
- 算法思想
-
大顶堆(适合海量数据的场景下)
- 为什么适合海量数据,因为此算法需要的空间仅仅是 k,其他的元素逐次读取
- 算法思想
- 使用大顶堆加入 k 个元素,然后其他的元素(A)与大顶堆的堆顶比较,如果堆顶元素大于 A,则将堆顶元素取出,将 A 放入,直到结束
- 复杂度分析
- 时间复杂度 O(nlogk)
- 空间复杂度 O(k)
class Solution { public int[] getLeastNumbers(int[] arr, int k) { if(k == 0 || arr.length == 0)return new int[0]; PriorityQueue<Integer> heap = new PriorityQueue<>((a,b)->b-a); for(int num:arr){ if(heap.size() < k){ heap.offer(num); }else{ if(heap.peek() > num){ heap.poll(); heap.offer(num); } } } int[] res = new int[k]; int j = 0; for(int num:heap){ res[j++] = num; } return res; } }
总结
- 小心边界条件,当数组只有 n 个元素,求最小 n 个元素的情况
- 大顶堆插入元素的时间复杂度为 O(logk)