文章目录

Leetcode 215. Kth Largest Element in an Array
- 1.1：快速选择算法流程
- 1.2：注意事项
- 1.3：python实现
Leetcode 973. K Closest Points to Origin
- 1.1 题意
- 1.2 思路
- 1.3 python实现
3. 牛客：最小的K个数
- 3.1 题意：
- 3.2 分析
- 3.3 python实现
最后：heapq模块实现top N---nlargest()和nsmallest()函数

Leetcode 215. Kth Largest Element in an Array

题意：给定一个无序的数组，寻找第K大的元素。

1.1：快速选择算法流程

输入：
nums = [3,2,1,5,6,4]
k=2

step 1： 随机选择一个 pivot，通过一系列计算，查看是否是我们需要找到的 Top k 对应的 pivot
step 2: 把 pivot 移动到最右的位置，以最右为标杆，从头开始对剩余部分进行选择查找
step 3: 定义两个指针，初始化为0，查看 j 所在的指针是否小于等于 pivot，4 大于 3，所以我们把 j 指针右移一位
step 4: 查看 j 所在的指针是否小于等于 pivot，2 小于等于 3，我们替换 i 指针和 j 指针所在的位置，同时把 i 和 j 指针都右移一位。
step 5: 查看 j 所在的指针是否小于等于 pivot，1 小于等于 3，我们替换 i 指针和 j 指针所在的位置，同时把 i 和 j 指针都右移一位。
step 6: 重复上述步骤，直到 j 指针移动到最右边
step 7: 把pivot放到中间来，把数组划分为左右两个部分
step 8: 此时 pivot 3 左边的值都小于 3，右边的值都大于 3，pivot 3 对应的是 Top 4 而不是我们需要找的 Top 2，但我们可以知道，Top 2 一定在 pivot 3 右边的位置。
step 9: 把右半部分按照重复执行上述步骤，最终找到 Top 2 的 pivot，对应的值为 5

1.2：注意事项

pivot 的选择很重要，如果对于一个已排序的数组，我们每次都选择最大/最小的值为 pivot，那么时间复杂度为 O(N^2) 。每次通过 random 选择 pivot 可以尽量避免最坏情况发生。

快速选择算法的平均时间复杂度是 O(N)，但最坏情况下的时间复杂度是 O(N^2) ，因为我们已经随机选择 pivot，所以能够最大程度上的减少最坏情况发生

1.3：python实现

def findKthLargest(self, nums, k):def quickSelect(nums, lo, hi, k): # 从小到大排序pivot = random.randint(lo, hi) # 0-len(nums)-1中随机取一个下标，避免最坏的情况nums[hi], nums[pivot] = nums[pivot], nums[hi] # 最右边存这个支点i = j = lowhile j < hi:if nums[j] <= nums[hi]: # 找到一个比支点还小的数nums[i], nums[j] = nums[j], nums[i] # i, j相互交换i += 1j += 1 # 每一次j都要前进一步nums[i], nums[j] = nums[j], nums[i] # 把pivot放到中间来if hi > k + i - 1: # Topk在右边return quickSelect(nums, i + 1, hi, k) elif hi < k + i -1: # Topk在左边return quickSelect(nums, lo, i - 1, k - (hi - i + 1))else:return nums[i]return quickSelect(nums, 0, len(nums)-1, k)

Leetcode 973. K Closest Points to Origin

1.1 题意

给定一个二维数组，数组中每一行代表一个点，求距离原点（0,0）最近的K个点

1.2 思路

还是按照以上的快速选择排序算法，稍微做一点点修改：

上一题的数组是从小往大排序，最后从右边开始数第K大的元素。
这一题是从大往小排序，最后从右边开始数K个小的元素，返回一个数组。

1.3 python实现

def kClosest(self, points, K):# 从小到大，找的是从右边数的第k大的元素def quickSort(points, lo, hi, k):pivot = random.randint(lo,hi)   #在闭区间里面选择points[hi], points[pivot] = points[pivot], points[hi]i = j = lowhile j < hi: # 从左到右开始遍历if dis(points[j]) > dis(points[hi]): # 修改1：从大往小排序points[i], points[j] = points[j], points[i]  # 交换点i,j，把小数移到左边去i += 1j += 1points[i], points[j] = points[j], points[i]  # 把pivot放在中间来# 以下是根据pivot的位置来进行划分if hi > k + i -1: # i太小了，Topk在右边return quickSort(points, i+1, hi, k)elif hi < k + i - 1: # Topk在左边return quickSort(points, lo, i-1, k-(hi-i+1))else:return points[i:][:]  # 修改2：返回最后的k个最近的点def dis(dot): # 求得距离return dot[0]**2 + dot[1]**2return quickSort(points, 0, len(points)-1, K) # 要的是从左往右的点

3. 牛客：最小的K个数

链接：最小的k个数

3.1 题意：

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。

3.2 分析

这道题和上一道题"距离原点最近的k个节点"非常类似，因此也可以使用快速选择算法来做，并且时间复杂度很低，O(N)来做了

3.3 python实现

import random
class Solution:def GetLeastNumbers_Solution(self, tinput, k):# write code hereif k <=0 or k > len(tinput) or not tinput: return []def quickSelect(nums, lo, hi, k): # 从小到大排序pivot = random.randint(lo, hi) # 0-len(nums)-1中随机取一个下标，避免最坏的情况nums[hi], nums[pivot] = nums[pivot], nums[hi] # 最右边存这个支点i = j = lowhile j < hi:if nums[j] > nums[hi]: # 找到一个比支点还大的数nums[i], nums[j] = nums[j], nums[i] # i, j相互交换，把大数放后面i += 1j += 1 # 每一次j都要前进一步nums[i], nums[j] = nums[j], nums[i] # 把pivot放到中间来if hi > k + i - 1: # Topk在右边return quickSelect(nums, i + 1, hi, k) elif hi < k + i -1: # Topk在左边return quickSelect(nums, lo, i - 1, k - (hi - i + 1))else:return nums[i:]res = quickSelect(tinput, 0, len(tinput)-1, k)res.sort() # 可能退化为O(N^2)啊！return res

最后：heapq模块实现top N—nlargest()和nsmallest()函数

通过以上快速选择算法选择的top N个元素后，原来的数组的顺序已经打乱了，使用heapq模块取出top N个元素后，不会修改原来的数组的顺序！

>>> import heapq
>>> nums=[1,8,2,23,7,-4,18,23,42,37,2]
>>> print(heapq.nlargest(3,nums)) # 从大到小排序
[42, 37, 23]
>>> print(heapq.nsmallest(3,nums))  #从小到大排序
[-4, 1, 2]

Top K 问题的最优解 - 快速选择算法（图解详细教程）相关推荐

Top k问题（线性时间选择算法）
问题描述:给定n个整数,求其中第k小的数. 分析:显然,对所有的数据进行排序,即很容易找到第k小的数.但是排序的时间复杂度较高,很难达到线性时间,哈希排序可以实现,但是需要另外的辅助空间. 这里我提供 ...
快速幂算法超详细教程
快速幂求幂运算快速幂引入快速幂二进制快速幂指数折半快速幂的应用求幂运算求幂运算大家都不陌生,幂是指数运算的结果,当m是正整数时nᵐ的意义为m个n相乘,n的m次幂也就是n的m次方.用代 ...
linux 6.8 安装教程,CentOS 6.8 7.2 安装图解详细教程
PS:文章转载,虽然基础,还是希望各位路过看官仔细看后实操一次,您才知道途中有那些坑! 感谢作者整理: 1.安装CentOS 6.8 用光盘成功引导系统,会出现下面的界面这里选择第一项,安装或升级现 ...
MySQL安装图解详细教程
1.安装MySQL 2.校验MySQL 注意:安装路径不要包含中文!!!最好使用英文或者拼音. 安装图解如下: 接下来有三个按钮: 第一个按钮表示典型安装(推荐的安装) 第二个按钮表示自定义安装(一般 ...
什么是计算机嵌套分类汇总,Excel中插入分类汇总的嵌套级别的方法图解详细教程...
在上文我们讲解了Excel 2010工作表中为一组数据插入一个分类汇总级别的方法,本文则讲解了Excel 2010工作表中插入分类汇总的嵌套级别的方法. Excel 2010工作表中可以在相应的外部组 ...
pythonqt5安装路径配置_PyQt5 安装与环境配置方法图解详细教程
PyQt5 是用来创建Python GUI应用程序的第三方工具包,它不仅与Python有着良好的兼容性,还可以通过可视化拖拽的方式进行窗体的创建,提高开发人员的工作效率,因此深受开发人员的喜爱.作为一 ...
GitHub修改昵称和用户名（图解详细教程）
1.登录GitHub.https://github.com/ 2.点击右上角头像>>Settings 3.点击进入Settings后显示的页面即为设置/修改昵称的页面注意:Profile ...
找出无序数组中最小的k个数（top k问题）
2019独角兽企业重金招聘Python工程师标准>>> 给定一个无序的整型数组arr,找到其中最小的k个数该题是互联网面试中十分高频的一道题,如果用普通的排序算法,排序之后自然可以 ...
快速选择算法-基于快排
目录快速选择算法例题算法思路代码实现快速选择算法快速选择,就是在一个无需的数组中查找第k个小的数.我们可以很快的想到可以先将数组排序在进行选择,但时间复杂度为O(nlog⁡n)O(n\lo ...

Top K 问题的最优解 - 快速选择算法（图解详细教程）