文章目录
一个中心
堆的中心就是动态求极值,动态与极值缺一不可。
1046. 最后一块石头的重量
有一堆石头,每块石头的重量都是正整数。
每一回合,从中选出两块 最重的 石头,然后将它们一起粉碎。假设石头的重量分别为 x 和 y,且 x <= y。那么粉碎的可能结果如下:
如果 x == y,那么两块石头都会被完全粉碎;
如果 x != y,那么重量为 x 的石头将会完全粉碎,而重量为 y 的石头新重量为 y-x。
最后,最多只会剩下一块石头。返回此石头的重量。如果没有石头剩下,就返回 0。
示例:
输入:[2,7,4,1,8,1]
输出:1
解释:
先选出 7 和 8,得到 1,所以数组转换为 [2,4,1,1,1],
再选出 2 和 4,得到 2,所以数组转换为 [2,1,1,1],
接着是 2 和 1,得到 1,所以数组转换为 [1,1,1],
最后选出 1 和 1,得到 0,最终数组转换为 [1],这就是最后剩下那块石头的重量。
思路:
利用小顶堆模拟大顶堆时,入堆需要取相反数,出堆也需要取相反数
class Solution:
def lastStoneWeight(self, stones: List[int]) -> int:
# 利用python小顶堆构造大顶堆
heap = [-stone for stone in stones]
# 构建二叉堆
heapq.heapify(heap)
while len(heap) > 1:
# 依次弹出两个头部元素
x,y = heapq.heappop(heap),heapq.heappop(heap)
if x != y:
#同时添加到列表与堆中
heapq.heappush(heap,x-y)
if heap:
return -heap[0]
return 0
三个技巧
技巧一:固定堆
这个技巧指的是固定堆的大小 k k k不变,代码上可通过每 pop出去一个就 push进来一个来实现。而由于初始堆可能是0,我们刚开始需要一个一个 push 进堆以达到堆的大小为 k k k,因此严格来说应该是维持堆的大小不大于 k k k。
这个技巧可以用到求第k小的值或者求第k大的值。
比如:求第k小的值
思路:建立一个大顶堆,维持堆的大小为k,如果新入队后,堆的大小大于k,则与新入队元素与堆顶比较,将较大的数移除,这样就可以保证堆中的元素是全体元素中最小的k个,此时,堆顶元素为第k小的值。堆是最小的k个数,堆顶又是最大的,因此堆顶就是第k小的
总结来说:
- 固定大小为k的大顶堆,可以快速求第k小的值
- 固定大小为k的小顶堆,可以快速求第k大的值
295. 数据流的中位数
这道题基于固定堆技巧,利用大顶堆与小顶堆的性质就可以快速找到中位数。比如:数据个数为 n n n,大顶堆元素个数为 n + 1 2 \frac{n+1}2 2n+1,小顶堆元素个数 n − n + 1 2 n-\frac{n+1}2 n−2n+1,那么 0 < = n +