215. Kth Largest Element in an Array 数组中的第K个最大元素
Title
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。
基于快速排序的选择方法
Solve
先对原数组排序,再返回倒数第k个位置,这样平均时间复杂度是O(nlogn)。
我们来回顾一下快速排序,对数组array[l…r]的快速排序过程是:
分解:将数组array[l…r]划分成两个子数组array[l…q-1]、array[q+1…r],使得a[l…q-1]中的每个元素小于等于a[q],且a[q]小于等于a[q+1…r]中的每个元素。
解决:通过递归调用快速排序,对子数组array[l…q-1]、array[q+1…r]进行排序。
合并:因为子数组都是原址排序,所以不需要进行合并操作,a[l…r]已经有序。
由此可以发现每次经过划分操作后,一定可以确定一个元素的最终位置,即x的最终位置为q,并且保证a[l…q-1]中的每个元素小于等于a[q],且a[q]小于等于array[q+1…r]中的每个元素。
所以只要某次划分的q为倒数第k个下标的时候,就已经找到了答案,我们只关心这一点,至于array[l…q-1]、array[q+1…r]是否是有序的无需关心。
因此我们可以改进快速排序算法来解决这个问题:在分解的过程当中,我们会对子数组进行划分,如果划分得到的 q 正好就是我们需要的下标,就直接返回 a[q];否则,如果 q 比目标下标小,就递归右子区间,否则递归左子区间。
这样就可以把原来递归两个区间变成只递归一个区间,提高了时间效率。这就是「快速选择」算法。
我们知道快速排序的性能和「划分」出的子数组的长度密切相关。直观地理解如果每次规模为 n 的问题我们都划分成 1 和 n - 1,每次递归的时候又向 n - 1 的集合中递归,这种情况是最坏的,时间代价是 O(n 2)。
我们可以引入随机化来加速这个过程,它的时间代价的期望是 O(n),证明过程可以参考「《算法导论》9.2:期望为线性的选择算法」。
Code
def findKthLargest_QuickSelection(self, nums: List[int], k: int) -> int:def quickSelect(a: List[int], l: int, r: int, k: int):q = randomPartition(a, l, r)return a[q] if q == k else quickSelect(a, q + 1, r, k) if q < k else quickSelect(a, l, q - 1, k)def partition(a: List[int], l: int, r: int):x, i = a[r], l - 1for j in range(l, r):if a[j] <= x:i += 1a[i], a[j] = a[j], a[i]a[i + 1], a[r] = a[r], a[i + 1]return i + 1def randomPartition(a: List[int], l: int, r: int):i = random.randint(l, r)a[i], a[r] = a[r], a[i]return partition(a, l, r)return quickSelect(nums, 0, len(nums) - 1, len(nums) - k)
复杂度分析
时间复杂度:O(n),如上文所述,证明过程可以参考「《算法导论》9.2:期望为线性的选择算法」。
空间复杂度:O(logn),递归使用栈空间的空间代价的期望为 O(logn)。
基于堆排序的选择方法
Solve
可以建立一个小根堆,做k-1次删除操作后堆顶元素就是我们要找的答案。
在很多语言中,都有优先队列或堆的容器可以直接使用,但在面试中,面试官更倾向于让面试者自己实现一个堆,搞懂「建堆」、「调整」和「删除」的过程。
取nums前k个元素建立大小为k的最小堆,剩余k+1到N个元素依次和堆顶比较,如果比堆顶大,则替换当前堆顶,并维护最小堆,最终最小堆里是前k大的元素,堆顶为前k大的元素中最小的元素。
Code
def findKthLargest_MinimumHeap(self, nums: List[int], k: int) -> int:def shift(i, k):flag = 0while (i * 2 + 1) < k and flag == 0:t = iif nums[i] > nums[2 * i + 1]:t = 2 * i + 1if (i * 2 + 2) < k and nums[t] > nums[2 * i + 2]:t = 2 * i + 2if t == i:flag = 1else:nums[i], nums[t] = nums[t], nums[i]i = tfor i in range(k // 2, -1, -1):shift(i, k)for i in range(k, len(nums)):if nums[0] < nums[i]:nums[0] = nums[i]shift(0, k)return nums[0]
复杂度分析
时间复杂度:O(nlogn),建堆的时间代价是 O(n),删除的总代价是 O(klogn),因为 k<n,故渐进时间复杂为 O(n+klogn)=O(nlogn)。
空间复杂度:O(logn),即递归使用栈空间的空间代价。
215. Kth Largest Element in an Array 数组中的第K个最大元素相关推荐
- 网易2016 实习研发工程师 [编程题]寻找第K大 and leetcode 215. Kth Largest Element in an Array...
传送门 有一个整数数组,请你根据快速排序的思路,找出数组中第K大的数. 给定一个整数数组a,同时给定它的大小n和要找的K(K在1到n之间),请返回第K大的数,保证答案存在. 测试样例: [1,3,5, ...
- 剑指offer 最小的k个数 leetcode 215. Kth Largest Element in an Array
注意multiset的一个bug: multiset带一个参数的erase函数原型有两种.一是传递一个元素值,如上面例子代码中,这时候删除的是集合中所有值等于输入值的元素,并且返回删除的元素个数:另外 ...
- [leedcode 215] Kth Largest Element in an Array
Find the kth largest element in an unsorted array. Note that it is the kth largest element in the so ...
- [swift] LeetCode 215. Kth Largest Element in an Array
Find the kth largest element in an unsorted array. Note that it is the kth largest element in the so ...
- LeetCode 215 Kth Largest Element in an Array
思路: 跟找第kth小的数相反,数组逆向排序.从前找第k - 1个数. 1 public class Solution { 2 public int findKthLargest(int[] arra ...
- leetcode 215. Kth Largest Element in an Array | 215. 数组中的第K个最大元素(Java)
题目 https://leetcode.com/problems/kth-largest-element-in-an-array/ 题解 本题需要建立大顶堆.关于堆的数据结构,需要知道: 堆 什么是堆 ...
- vector删除第i个元素_LeetCode每日一题 Q215数组中的第K个最大元素
Question 215: Kth Largest Element in an Array Difficulty: Medium 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 ...
- 力扣215:数组中的第K个最大元素 (leetcode 215:Kth Largest Element In An Array)
题目链接:https://leetcode.cn/problems/kth-largest-element-in-an-array 目录: 一.题目描述 1.中文 2.英文 二.解决方法 1.直接排序 ...
- LeetCode 215. Kth Largest Element in an Array--数字第K大的元素--最大堆或优先队列--C++,Python解法
题目地址:Kth Largest Element in an Array - LeetCode Find the kth largest element in an unsorted array. N ...
最新文章
- Ubuntu下如何解压缩zip,tar,tar.gz,tar.bz2文件
- 做算法题时的一些小技巧
- VTK:Filtering之ContoursFromPolyData
- iOS : 静态库(.framework)合并
- 一图解惑SQL JOINS
- java array 元素的位置_介绍java中的两种排序工具Arrays和Collections
- vite+vue3 整合vue-router4和vuex4
- UE4【C++】子弹伤害系统使用
- 计算机三级-数据库技术
- Echarts官方文档!
- jwplayer播放器
- 手机触屏事件(jquery)
- python版本和Matlab版本对应的关系,python调用matlab
- 安装SQL2008时遇到未能加载文件或file:///d:microsoft..sql.chainer.packagedata.dll或它的某个依赖项
- 红杉观点|生成式AI:一个创造性的新世界
- yun yun de
- 工程师如何在面试中脱颖而出
- Android 开发飞机大战
- 中广互联就TVOS对王效杰司长的采访报道
- 全速USB和高速USB的识别过程分析
热门文章
- 【网络流】【待补】C. Heidi and Library (hard)
- HBase学习笔记2 - HBase shell常用命令
- 大型网站系统架构实践(五)深入探讨web应用高可用方案
- [leetcode]Edit Distance
- 网页客户端调用gSoap发布服务,以及中文乱码问题
- linux 修改默认路径吗,linux中vsftp修改默认路径
- mysql 经典优化案例_MySQL-SQL优化10大最经典案例详解
- mysql 导入sql脚本_mysql 导入 sql文件
- java for each 的源_Java JDK1.5的新特性之for-each循环的底层原理
- 三态门三个状态vhdl_人防门是什么?为什么会侵线导致重庆地铁事故