LeetCode378：有序矩阵中第K小的元素

问题描述

给定一个 n x n 矩阵，其中每行和每列元素均按升序排序，找到矩阵中第k小的元素。
请注意，它是排序后的第k小元素，而不是第k个元素。

示例:

matrix = [
[ 1, 5, 9],
[10, 11, 13],
[12, 13, 15]
],
k = 8,

返回 13。
说明:
你可以假设 k 的值永远是有效的, 1 ≤ k ≤ n2 。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/kth-smallest-element-in-a-sorted-matrix

问题分析

可以把矩阵合成一个数组让后使用排序算法，但是这感觉就失去了题目的意义，因为矩阵每一行每一列都是按照升序排序，这样矩阵第一个元素是最小的，最后一个原始是最大的。这就可以使用二分查找来解题，
（1）：初始化，L=最大值，R=最小值，mid=(L+R)//2
（2）：判断矩阵中一共有几个小于等于mid的数计作count，如果count<k，L=mid+1(右移一位)，否则R=mid
（3）：重复以上步骤，直至跳出循环。

解法一（二分法）

class Solution:
    def kthSmallest(self, matrix: List[List[int]], k: int) -> int:
        col = len(matrix)
        row = len(matrix[0])
        L = matrix[0][0]
        R = matrix[col - 1][row - 1]
        while L < R:
            print(L, R)
            mid = (L + R) // 2
            count = 0
            for i in matrix:
                for j in i:
                    if j <= mid:
                        count += 1
            if count < k:
                L = mid + 1
            else:
                R = mid
        return L

执行用时 :244 ms, 在所有 Python3 提交中击败了23.86%的用户
内存消耗 :17.3 MB, 在所有 Python3 提交中击败了54.62%的用户

用了两个for，时间运算较长，后续调用了bisect库，bisect.bisect_right的意思是查找是否存在mid,mid存在时返回mid右侧位置，mid不存在时返回应该插入的位置

import bisect
class Solution:
    def kthSmallest(self, matrix: List[List[int]], k: int) -> int:
        col = len(matrix)
        row = len(matrix[0])
        L = matrix[0][0]
        R = matrix[col - 1][row - 1]
        while L < R:
            print(L, R)
            mid = (L + R) // 2
            count = sum(bisect.bisect_right(row,mid) for row in matrix)
            if count < k:
                L = mid + 1
            else:
                R = mid
        return L

执行用时 :68 ms, 在所有 Python3 提交中击败了95.08%的用户
内存消耗 :17.2 MB, 在所有 Python3 提交中击败了75.90%的用户

解法二（堆）

class Solution:
    def kthSmallest(self, matrix: List[List[int]], k: int) -> int:
        list_matrix = []
        for i in range(len(matrix)):
            list_matrix += matrix[i]
        heapq.heapify(list_matrix)
        return [heapq.heappop(list_matrix) for _ in range(k)][-1]

执行用时 :112 ms, 在所有 Python3 提交中击败了56.44%的用户
内存消耗 :17.4 MB, 在所有 Python3 提交中击败了51.81%的用户