題1 最小的k個數
描述
輸入整數數組 arr ,找出其中最小的 k 個數。例如,輸入4、5、1、6、2、7、3、8這8個數字,則最小的4個數字是1、2、3、4。
示例 1:
輸入:arr = [3,2,1], k = 2
輸出:[1,2] 或者 [2,1]
示例 2:
輸入:arr = [0,1,2,1], k = 1
輸出:[0]
限制:
0 <= k <= arr.length <= 10000
0 <= arr[i] <= 10000
題解
思路:先快排,然後取前k個元素。
快排思想:遞歸,遞歸條件是i<j。與基準比較大小,小的在基準右邊,大的在基準左邊。最後將基準放於ij相遇處。先比較左邊再比較右邊。
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就是基準位
temp = arr[low];
while (i<j) {
//先看右邊,依次往左遞減
while (temp<=arr[j]&&i<j) {
j--;
}
//再看左邊,依次往右遞增
while (temp>=arr[i]&&i<j) {
i++;
}
//如果滿足條件則交換
if (i<j) {
t = arr[j];
arr[j] = arr[i];
arr[i] = t;
}
}
//最後將基準爲與i和j相等位置的數字交換
arr[low] = arr[i];
arr[i] = temp;
//遞歸調用左半數組
quickSort(arr, low, j-1);
//遞歸調用右半數組
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;
}
}
題2
描述
在未排序的數組中找到第 k 個最大的元素。請注意,你需要找的是數組排序後的第 k 個最大的元素,而不是第 k 個不同的元素。
示例 1:
輸入: [3,2,1,5,6,4] 和 k = 2
輸出: 5
示例 2:
輸入: [3,2,3,1,2,4,5,5,6] 和 k = 4
輸出: 4
說明:
你可以假設 k 總是有效的,且 1 ≤ k ≤ 數組的長度。
題解1
思路類似於題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];
}
}
題解2
思路:創建大頂堆,將所有元素加入堆中,保持堆的大小小於等於k,堆保留的元素就是前k個最大的元素,堆頂爲正確答案。
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]