目录
3.堆的建立和用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素
一、TOP-K问题的介绍
TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。
比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
对于Top-K问题,能想到的最简单直接的方式就是排序,但是:如果数据量非常大,排序就不太可取了(可能数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决,基本思路如下:
用数据集合中前K个元素来建堆
前k个最大的元素,则建小堆
前k个最小的元素,则建大堆
用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素
将剩余N-K个元素依次与堆顶元素比完之后,堆中剩余的K个元素就是所求的前K个最小或者最大的元素。
二、代码实现
1.向下调整算法
通过向下调整算法建堆的时间复杂度为O(N),详细的可以看这篇文章的最后的部分。
void AdjustDown(HPDataType* a, int n, int parent)
{
int child = parent * 2 + 1;
while (child < n)
{
//选出左右孩子中大的那一个
if (child + 1 < n && a[child + 1] < a[child])//大于号建小堆,小于号建大堆
{
++child;
}
if (a[child] < a[parent])//大于号建小堆,小于号建大堆
{
Swap(&a[child], &a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
2.创造数据
在创建数据后,先不使用该函数,不然每一次都是新的值。调用之后可以修改“data。txt”文件中的数据来测试,如设置十个最大数。
void CreateNDate()
{
// 造数据
int n = 10000000;
srand(time(0));
const char* file = "data.txt";
FILE* fin = fopen(file, "w");
if (fin == NULL)
{
perror("fopen fial:");
return;
}
for (size_t i = 0; i < n; ++i)
{
int x = rand() % 10000;
fprintf(fin, "%d\n", x);
}
fclose(fin);
}
3.堆的建立和用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素
这里我创建的是小堆排序求最大的前面十个值,代码里有详细的注释,大家可以轻松食用。
void PrintTopk(const char* file, int k)
{
//1.建堆 -- 用a中前k
int* topk = (int*)malloc(sizeof(int) * k);//开辟空间
assert(topk);
FILE* fout = fopen(file, "r");//读文件
if (fout == NULL)
{
perror("fopen error");
return;
}
for (int i = 0; i < k; i++)
{
fscanf(fout, "%d", &topk[i]);//把文件中的数据写进开辟的空间中
}
for (int i = (k - 2) / 2; i >= 0; --i)
{
AdjustDown(topk, k, i);
}
//2.将剩余n-k个元素一次与堆顶元素交换,不满则被替代
int val = 0;
int ret = fscanf(fout, "%d", &val);
while (ret != EOF)
{
if (val > topk[0])//现在创建的是小堆,如果是创建大堆用小于号,小于即替换
{
topk[0] = val;
AdjustDown(topk, k, 0);
}
ret = fscanf(fout, "%d", &val);//把文件中的数据写进val中
}
for (int i = 0; i < k; i++)
{
printf("%d ", topk[i]);
}
printf("\n");
free(topk);
fclose(fout);
}