这道题很强大,引出了很多知识点

题目

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。

解答

题目要求找出一个序列中第K大元素,可以很容易想到下面的解法:

1,给序列排序,取出倒数第K个。快速排序为 n·log(n)

2,小顶堆,维护一个大小为K的小顶堆,把序列元素大于堆顶的元素依次入堆,完了堆顶就是第K大。维护一个堆(插入O(1),删除log(n))的时间复杂度是log(n),此处为log(k),总的时间复杂度是n·log(k),空间复杂度为O(k)。

PS:大顶堆也可以

3,快速选择算法,随时选择一个基准, 然后进行快排的partation过程(将序列中小于基准的都放在它的左边,大于它的都放在右边),基准归位,此时基准已经在序列中排好序的位置;再判断要找的第 N - k 个元素与基准坐标的关系, 如果k正好等于基准位置,那么数组第k小的数就是基准,如果K小于基准坐标位置,则只递归左半部分,否则只递归右半部分。

如果是快速排序算法,会在这里递归地对两部分进行快速排序,时间复杂度为n·log(n),而在这里,由于知道要找的第 N - k 小的元素在哪部分中,我们不需要对两部分都做处理,这样就将平均时间复杂度下降到O(n)。

这种算法最好情况是每次基准都划分在了序列中间位置,时间复杂度为O(n);最坏情况是每次基准都划分在了边缘位置,时间复杂度为O(n^2)。第四种方法优化了基准的选取,用线性复杂度O(n)的时间就解决了问题。

4,BFPRT, BFPRT算法就是在基准上做文章,能够保证每次所选的基准在数组的中间位置,那么时间复杂度就是O(N),BFPRT解法和快速选择解法唯一不同的就是在基准的选取上,所以只讲选取基准这一过程。

第一步:我们将数组每5个相邻的数分成一组,后面的数如果不够5个数也分成一组。

第二步:对于每组数,我们找出这5个数的中位数,将所有组的中位数构成一个median数组(中位数数组)。

第三步:我们再求这个中位数数组中的中位数,此时所求出的中位数就是基准。

第四步:通过这个基准进行partation过程,下面和常规解法就一样了。

BFPRT是专门用来求 TOP-K 问题的, 时间复杂度为O(N)。

通过代码如下:

1,排序

class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
return sorted(nums)[-k]

2,小顶堆

from heapq import *

class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
l = [] # 存储堆
for x in nums:
if l and len(l)==k and x>l[0]: # 堆满并且x大于堆顶,pop堆顶,x入堆
heapreplace(l, x)
if not l or len(l)<k: # 堆没满,直接入堆
heappush(l, x)
return l[0]
# 或者直接return nlargest(k, nums)[-1]

3,快速选择

import random

class Solution:
def findKthLargest(self, nums, k):
def partition(left, right, base):
temp = nums[base]
nums[base], nums[right] = nums[right], nums[base] # 基准和末尾元素互换 max_index = left
for i in range(left, right): # 把所有小于基准的移到左边
if nums[i] < temp:
nums[max_index], nums[i] = nums[i], nums[max_index]
max_index += 1 nums[right], nums[max_index] = nums[max_index], nums[right] # 基准归位
return max_index def select(left, right, k_smallest):
"""在 nums[left, right] 找第k小的元素"""
if left == right: # 递归终止条件
return nums[left]
pivot_index = random.randint(left, right) # 随机选择基准(比固定选第一个要好)
base_index = partition(left, right, pivot_index) # 选第一个(left)为基准,并归位。
if base_index == k_smallest: # 判断目前已归位的基准,是不是第k_smallest位
return nums[k_smallest]
elif k_smallest < base_index: # go to 左半部分
return select(left, base_index - 1, k_smallest)
else: # go to 右半部分
return select(base_index + 1, right, k_smallest) return select(0, len(nums) - 1, len(nums) - k) # 第k大,是第n-k小

4,BFPRT

class Solution:
def findKthLargest(self, nums, k):
def getmedian(lis):
"""返回序列lis中位数,在BFPRT中就是求每5个数小组的中位数"""
begin = 0
end = len(lis)-1 sum = begin+end
mid = sum//2 + sum % 2 # 这个地方加上sum%2是为了确保偶数个数时我们求的是中间两个数的后一个
return sorted(lis)[mid] def BFPRT(nums, left, right):
"""分成每5个数一个小组,并求出每个小组内的中位数"""
num = right-left+1
offset = 0 if num % 5 == 0 else 1 # 最后如果剩余的数不足5个,我们也将其分成一个小组,和前面同等对待
groups = num//5 + offset
median = [] # 中位数数组
for i in range(groups):
begin = left+i*5
end = begin + 4
Median = getmedian(nums[begin:min(end, right)+1])
median.append(Median)
return getmedian(median) def partition(nums, left, right, base):
"""在 nums[left, right] 将基准base归位"""
temp = nums[base]
nums[base], nums[right] = nums[right], nums[base] # 基准和末尾元素互换 max_index = left
for i in range(left, right): # 把所有小于基准的移到左边
if nums[i] <= temp: # 要等于啊!这里好坑的说.. 否则通不过样例[3, 3, 3, 3, 4, 3, 3, 3, 3] k = 1
nums[max_index], nums[i] = nums[i], nums[max_index]
max_index += 1
nums[right], nums[max_index] = nums[max_index], nums[right] # 基准归位
return max_index def select(nums, left, right, k_smallest):
"""在 nums[left, right] 找第k小的元素"""
if left == right: # 递归终止条件
return nums[left]
# pivot_index = random.randint(left, right)
base = BFPRT(nums, left, right)
base_index = partition(nums, left, right, nums.index(base)) # 选base为基准,并归位。
if base_index == k_smallest: # 判断目前已归位的基准,是不是第k_smallest位
return nums[k_smallest]
elif k_smallest < base_index: # 递归左半部分
return select(nums, left, base_index - 1, k_smallest)
else: # 递归右半部分
return select(nums, base_index + 1, right, k_smallest)
return select(nums, 0, len(nums) - 1, len(nums) - k) # 第k大,是第n-k小

BFPRT笔记 | 对于求包含重复值的序列第K大,应该先去重再入BFPRT。

PS:大顶堆也可以,写都写出来了,不贴出来怪怪的..

from heapq import *

class Solution:
# 用负数入堆建立大顶堆,pop()k次,就是第k大。时间复杂度最坏n·log(n),最好k·log(n),空间复杂度O(n)
def findKthLargest(self, nums: List[int], k: int) -> int:
l = []
for x in nums:
heappush(l, -x) # 平均O(1),最坏log(n)
for x in range(k):
c = heappop(l) # log(n)
return -c

【Leetcode 堆、快速选择、Top-K问题 BFPRT】数组中的第K个最大元素(215)的更多相关文章

  1. 代码题(3)— 最小的k个数、数组中的第K个最大元素、前K个高频元素

    1.题目:输入n个整数,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. 快排思路(掌握): class Solution { public ...

  2. [LeetCode]215. 数组中的第K个最大元素(堆)

    题目 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 ...

  3. 数组中的第K个最大元素leetcode(Top K的问题)

    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 ...

  4. LeetCode:数组中的第K个最大元素【215】

    LeetCode:数组中的第K个最大元素[215] 题目描述 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: ...

  5. leetcode.排序.215数组中的第k个最大元素-Java

    1. 具体题目 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 : 输入: [3,2,1,5,6,4] 和 k = ...

  6. Leetcode(215)-数组中的第K个最大元素

    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 ...

  7. LeetCode题解 | 215. 数组中的第K个最大元素

    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 ...

  8. LeetCode 数组中的第K个最大元素

    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 ...

  9. Leetcode题目215.数组中的第K个最大元素(中等)

    题目描述: 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 ...

随机推荐

  1. NOIP2018提高组初赛选讲

    说实话,这次的初赛比上一次的要简单. 不过还有些变态的题目. 在一条长度为1 的线段上随机取两个点,则以这两个点为端点的线段的期望 长度是( ). A. 1 / 2 B. 1 / 3 C. 2 / 3 ...

  2. vue 学习 一

    1.实例: var vm = new Vue({ el: '#example', data: { a:1 }, created: function () { // `this` 指向 vm 实例 co ...

  3. RN 环境搭建 运行demo App

    1.环境搭建 1.1 JDK 1.2Android JDK  需要安装c++环境(我选择安装android studio) 1.3Node npm config set registry https: ...

  4. 2019-2019-2-20175332-实验三《敏捷开发与XP实践》实验报告

    一.编码标准 题目要求: 在IDEA中使用工具(Code->Reformate Code)把下面代码重新格式化,再研究一下Code菜单,找出一项让自己感觉最好用的功能. 实验步骤 1.安装ali ...

  5. 《Python机器学习及实践:从零开始通往Kaggle竞赛之路》

    <Python 机器学习及实践–从零开始通往kaggle竞赛之路>很基础 主要介绍了Scikit-learn,顺带介绍了pandas.numpy.matplotlib.scipy. 本书代 ...

  6. 2019-6-23-win10-uwp-未给任务-GenerateAppxPackageRecipe-的必需参数-AppxManifestXml-赋值

    title author date CreateTime categories win10 uwp 未给任务 GenerateAppxPackageRecipe 的必需参数 AppxManifestX ...

  7. TZOJ 4021 Ugly Problem(线段树区间子段最大)

    描述 给定一个序列A[0],A[1],…A[N-1],要求找到p0,p1,p2,p3使得A[p0]+A[p0+1]+…+A[p1] + A[p2]+A[p2+1]+…+A[p3]最大(0<=p0 ...

  8. Uva10795 A Different Task

    A Different Task https://vjudge.net/problem/UVA-10795 题目大意:给定一个汉诺塔初末状态,求从初状态到末状态最少需要多少步. 考虑最大的一个初末不同 ...

  9. Ubuntn16.04安装opencv3.1(特别注意环境变量)

    参考:http://lib.csdn.net/article/opencv/25737: http://blog.csdn.net/yiranyhy/article/details/72935499: ...

  10. [Array]448. Find All Numbers Disappeared in an Array

    Given an array of integers where 1 ≤ a[i] ≤ n (n = size of array), some elements appear twice and ot ...