题1 最小的k个数
描述
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。
示例 1:
输入:arr = [3,2,1], k = 2
输出:[1,2] 或者 [2,1]
示例 2:
输入:arr = [0,1,2,1], k = 1
输出:[0]
限制:
0 <= k <= arr.length <= 10000
0 <= arr[i] <= 10000
题解
思路:先快排,然后取前k个元素。
快排思想:递归,递归条件是i<j。与基准比较大小,小的在基准右边,大的在基准左边。最后将基准放于ij相遇处。先比较左边再比较右边。
class Solution {
public static void quickSort(int[] arr,int low,int high){
int i,j,temp,t;
if(low>high){
return;
}
i=low;
j=high;
//temp就是基准位
temp = arr[low];
while (i<j) {
//先看右边,依次往左递减
while (temp<=arr[j]&&i<j) {
j--;
}
//再看左边,依次往右递增
while (temp>=arr[i]&&i<j) {
i++;
}
//如果满足条件则交换
if (i<j) {
t = arr[j];
arr[j] = arr[i];
arr[i] = t;
}
}
//最后将基准为与i和j相等位置的数字交换
arr[low] = arr[i];
arr[i] = temp;
//递归调用左半数组
quickSort(arr, low, j-1);
//递归调用右半数组
quickSort(arr, j+1, high);
}
public int[] getLeastNumbers(int[] arr, int k) {
quickSort(arr,0,arr.length-1);
int[] temp = new int[k];
for (int i = 0; i < k; i++){
temp[i] = arr[i];
}
return temp;
}
}
题2
描述
在未排序的数组中找到第 k 个最大的元素。请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。
示例 1:
输入: [3,2,1,5,6,4] 和 k = 2
输出: 5
示例 2:
输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4
说明:
你可以假设 k 总是有效的,且 1 ≤ k ≤ 数组的长度。
题解1
思路类似于题1
class Solution {
public void quickSort(int[] nums, int left, int right){
if(left>right){
return;
}
int i = left;
int j = right;
int pivot = nums[left];
while(i<j){
while(i<j&&nums[j]<=pivot){
j--;
}
while(i<j&&nums[i]>=pivot){
i++;
}
if(i<j){
int tmp = nums[i];
nums[i] = nums[j];
nums[j] = tmp;
}
}
nums[left] = nums[i];
nums[i] = pivot;
quickSort(nums,left,j-1);
quickSort(nums,j+1,right);
}
public int findKthLargest(int[] nums, int k) {
quickSort(nums, 0, nums.length-1);
for(int i: nums){
System.out.println(i);
}
return nums[k-1];
}
}
题解2
思路:创建大顶堆,将所有元素加入堆中,保持堆的大小小于等于k,堆保留的元素就是前k个最大的元素,堆顶为正确答案。
class Solution {
public int findKthLargest(int[] nums, int k) {
// init heap 'the smallest element first'
PriorityQueue<Integer> heap =
new PriorityQueue<Integer>((n1, n2) -> n1 - n2);
// keep k largest elements in the heap
for (int n: nums) {
heap.add(n);
if (heap.size() > k)
heap.poll();
}
// output
return heap.poll();
}
}
class Solution:
def findKthLargest(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: int
"""
return heapq.nlargest(k, nums)[-1]