题1 最小的k个数
描述
输入整数数组 arr ,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。
示例 1:
输入:arr = [3,2,1], k = 2
输出:[1,2] 或者 [2,1]
示例 2:
输入:arr = [0,1,2,1], k = 1
输出:[0]
限制:
0 <= k <= arr.length <= 10000
0 <= arr[i] <= 10000
题解
思路:先快排,然后取前k个元素。
快排思想:递归,递归条件是i<j。与基准比较大小,小的在基准右边,大的在基准左边。最后将基准放于ij相遇处。先比较左边再比较右边。
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就是基准位temp = arr[low];while (i<j) {//先看右边,依次往左递减while (temp<=arr[j]&&i<j) {j--;}//再看左边,依次往右递增while (temp>=arr[i]&&i<j) {i++;}//如果满足条件则交换if (i<j) {t = arr[j];arr[j] = arr[i];arr[i] = t;}}//最后将基准为与i和j相等位置的数字交换arr[low] = arr[i];arr[i] = temp;//递归调用左半数组quickSort(arr, low, j-1);//递归调用右半数组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;}
}
题2
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
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。
题解1
思路类似于题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];}
}
题解2
思路:创建大顶堆,将所有元素加入堆中,保持堆的大小小于等于k,堆保留的元素就是前k个最大的元素,堆顶为正确答案。
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 heapfor (int n: nums) {heap.add(n);if (heap.size() > k)heap.poll();}// outputreturn heap.poll(); }
}
class Solution:def findKthLargest(self, nums, k):""":type nums: List[int]:type k: int:rtype: int"""return heapq.nlargest(k, nums)[-1]