215. Kth Largest Element in an Array[堆|快排]

最新推荐文章于 2024-09-06 10:38:06 发布

zxiaopp

最新推荐文章于 2024-09-06 10:38:06 发布

阅读量562

点赞数

分类专栏：归并文章标签：算法 java 数据结构

本文链接：https://blog.csdn.net/zxiaopp/article/details/128297239

版权

归并专栏收录该内容

1 篇文章 0 订阅

订阅专栏

这篇博客介绍了如何在给定整数数组中找到第k大的元素，要求在O(n)的时间复杂度内完成。两种解法分别是使用堆（小顶堆）和快速选择算法。堆法通过维护一个大小为k的小顶堆，逐步替换堆顶元素；快排法则利用快速选择的思想，通过一次划分找到正确位置并递归处理。

摘要由CSDN通过智能技术生成

题目描述

解法1:堆

解法2:快排

题目描述

Given an integer array nums and an integer k, return the kth largest element in the array.

Note that it is the kth largest element in the sorted order, not the kth distinct element.

You must solve it in O(n) time complexity.

Example 1:

Input: nums = [3,2,1,5,6,4], k = 2
Output: 5

Example 2:

Input: nums = [3,2,3,1,2,4,5,5,6], k = 4
Output: 4

Constraints:

1 <= k <= nums.length <= 105
-104 <= nums[i] <= 104

`解法1:堆`

维护一个大小为K的小顶堆

python:

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        import heapq as hq
        heap = nums[:k]
        hq.heapify(heap)
        for t in nums[k:]:
            if t > heap[0]:
                hq.heapreplace(heap, t)
        return heap[0]

c++：

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        priority_queue<int> q(nums.begin(), nums.end());
        for (int i = 0; i < k - 1; i++) {
            q.pop();
        }
        return q.top();
    }
};

`解法2:快排`

快排思想是根据某值将数组分成两部分，左边的均小于该数，右边的均大于该数

这里可以按照从大到小排序，找到应该放在第k-1位置的数即可

python：

class Solution:
    def partition(self, nums, l, r, k):
        if l >= r:
            return
        cur = nums[l]
        i = l
        j = r
        while l < r:
            while l < r and cur > nums[r]:
                r -= 1
            if l < r:
                nums[l] = nums[r]
                l += 1
            while l < r and nums[l] > cur:
                l += 1
            if l < r:
                nums[r] = nums[l]
                r -= 1
        nums[l] = cur
        if l == k-1:
            return
        elif l < k-1:
            self.partition(nums, l + 1, j, k)
        else:
            self.partition(nums, i, l - 1, k)
        

    def findKthLargest(self, nums: List[int], k: int) -> int:
        self.partition(nums, 0, len(nums) - 1, k)
        return nums[k-1]