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:
提示:
方法一:排序
class Solution {
public int[][] kClosest(int[][] points, int K) {
List<ArrayList<Integer>> list=new ArrayList<ArrayList<Integer>>();
int rows=points.length;
if(rows==0||rows==1)return points;
for(int i=0;i<rows;i++) {
ArrayList<Integer> tmp=new ArrayList<>();
tmp.add(points[i][0]);
tmp.add(points[i][1]);
int dis= (int) (Math.pow(points[i][0],2 )+Math.pow(points[i][1],2 ));
tmp.add(dis);
list.add(tmp);
}
list.sort(new Comparator<ArrayList<Integer>>() {
@Override
public int compare(ArrayList<Integer> o1, ArrayList<Integer> o2) {
// TODO Auto-generated method stub
return (o1.get(2)-o2.get(2));
}
});
int [][] res=new int[K][2];
for(int i=0;i<K;i++) {
res[i][0]=list.get(i).get(0);
res[i][1]=list.get(i).get(1);
}
return res;
}
}
优化:
class Solution {
public int[][] kClosest(int[][] points, int K) {
Arrays.sort(points, new Comparator<int[]>() {
public int compare(int[] point1, int[] point2) {
return (point1[0] * point1[0] + point1[1] * point1[1]) - (point2[0] * point2[0] + point2[1] * point2[1]);
}
});
return Arrays.copyOfRange(points, 0, K);
}
}
方法二:优先队列
思路和算法
我们可以使用一个优先队列(大根堆)实时维护前 K 个最小的距离平方。
首先我们将前 K 个点的编号(为了方便最后直接得到答案)以及对应的距离平方放入优先队列中,随后从第 K+1 个点开始遍历:如果当前点的距离平方比堆顶的点的距离平方要小,就把堆顶的点弹出,再插入当前的点。当遍历完成后,所有在优先队列中的点就是前 K 个距离最小的点。
不同的语言提供的优先队列的默认情况不一定相同。在 C++ 语言中,优先队列即为大根堆,但在 Python 语言中,优先队列为小根堆,因此我们需要在优先队列中存储(以及比较)距离平方的相反数。
class Solution {
public int[][] kClosest(int[][] points, int K) {
PriorityQueue<int[]> pq = new PriorityQueue<int[]>(new Comparator<int[]>() {
public int compare(int[] array1, int[] array2) {
return array2[0] - array1[0];
}
});
for (int i = 0; i < K; ++i) {
pq.offer(new int[]{points[i][0] * points[i][0] + points[i][1] * points[i][1], i});
}
int n = points.length;
for (int i = K; i < n; ++i) {
int dist = points[i][0] * points[i][0] + points[i][1] * points[i][1];
if (dist < pq.peek()[0]) {
pq.poll();
pq.offer(new int[]{dist, i});
}
}
int[][] ans = new int[K][2];
for (int i = 0; i < K; ++i) {
ans[i] = points[pq.poll()[1]];
}
return ans;
}
}
方法三:快速选择(快速排序思想)
算法思想:
class Solution {
Random rand = new Random();
public int[][] kClosest(int[][] points, int K) {
int n = points.length;
random_select(points, 0, n - 1, K);
return Arrays.copyOfRange(points, 0, K);
}
public void random_select(int[][] points, int left, int right, int K) {
int pivotId = left + rand.nextInt(right - left + 1);
int pivot = points[pivotId][0] * points[pivotId][0] + points[pivotId][1] * points[pivotId][1];
swap(points, right, pivotId);
int i = left - 1;
for (int j = left; j < right; ++j) {
int dist = points[j][0] * points[j][0] + points[j][1] * points[j][1];
if (dist <= pivot) {
++i;
swap(points, i, j);
}
}
++i;
swap(points, i, right);
// [left, i-1] 都小于等于 pivot, [i+1, right] 都大于 pivot
if (K < i - left + 1) {
random_select(points, left, i - 1, K);
} else if (K > i - left + 1) {
random_select(points, i + 1, right, K - (i - left + 1));
}
}
public void swap(int[][] points, int index1, int index2) {
int[] temp = points[index1];
points[index1] = points[index2];
points[index2] = temp;
}
}