Diretório de artigos
215. O K-ésimo maior elemento em uma matriz
tema
Dada uma matriz de inteiros nums
e inteiros k
, retorne k
o .
Observe que você está procurando o k-ésimo maior elemento da matriz classificada, não o k-ésimo elemento distinto.
Você deve projetar e implementar um algoritmo O(n)
de para resolver este problema.
ideias para resolução de problemas
Depois de ler a pergunta, não é difícil ver que ela exige que classifiquemos primeiro o array original. E a complexidade de tempo do algoritmo de classificação precisa ser O (n) O(n)O ( n ) . (A complexidade do primeiro tempo éO (n 2) O(n^2)O ( n2 )O algoritmo de classificação por inserção falha porque o limite de tempo foi excedido. ) Em seguida, com a mentalidade de tentar, chame asorted
função interna do Python para resolvê-lo diretamente.
class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
return sorted(nums)[-k]
Ideias para resolução de problemas 【Aprendizagem】
Obviamente, o objetivo dessa questão do algoritmo definitivamente não é aprender como ajustar a API para resolver o problema. Depois de examinar a solução, descobri que a classificação rápida ou a classificação de heap é necessária para atender aos requisitos de complexidade de tempo do problema.
A complexidade de tempo e espaço de vários algoritmos de classificação são as seguintes: Complexidade de tempo e espaço de vários algoritmos de classificação_Complexidade de tempo do algoritmo de classificação_Fang tongxue's blog-CSDN blog
Método de seleção baseado em classificação rápida
Referência ao texto original: "TopK Problem" Quick Sort e Heap Sort Explicação Detalhada - O Kth Maior Elemento no Array - LeetCode
class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
import random
def partition(nums, left, right):
pivot = nums[left] # 选择一个基准值(最左端元素)
i, j = left, right # 双指针
while i < j:
while i < j and nums[j] >= pivot: # 从右往左查找,直到找到一个比pivot更小的数
j -= 1
nums[i] = nums[j] # 将更小的数放入左边
while i < j and nums[i] <= pivot: # 从左往右查找,直到找到一个比pivot更大的数
i += 1
nums[j] = nums[i] # 将更大的数放入右边
# 循环结束,i与j相等
nums[i] = pivot # 待比较数据放入最终位置
return i # 返回基准值最终位置
def randomPartition(nums, left, right):
pivot_idx = random.randint(left, right) # 随机选择pivot
nums[left], nums[pivot_idx] = nums[pivot_idx], nums[left] # pivot放置到最左边
return partition(nums, left, right) # 调用partition函数
def topk_split(nums, k, left, right):
# 寻找到第k个数停止递归,使得nums数组中index左边是前k个小的数,index右边是后面n-k个大的数
if left < right:
index = randomPartition(nums, left, right)
# index = partition(nums, left, right)
if index == k:
return
elif index < k:
topk_split(nums, k, index + 1, right)
else:
topk_split(nums, k, left, index - 1)
# 获得第k大的数
def topk_large(nums, k):
# parttion是按从小到大划分的,如果让index左边为前n-k个小的数,则index右边为前k个大的数
topk_split(nums, len(nums) - k, 0, len(nums) - 1) # 把k换成len(nums)-k
return nums[len(nums) - k]
return topk_large(nums,k)