力扣 215. 数组中的第K个最大元素

博客围绕LeetCode上找出未排序数组中第k大元素的题目展开。介绍了直接排序、基于堆排序思想和快排分界方法来求解,分析了各方法的优缺点,还说明了使用快排分界方法时根据分界位置与k的关系更新查找范围的思路。

题目来源:https://leetcode.cn/problems/kth-largest-element-in-an-array/

大致题意:
找出未排序数组中第 k 大的元素

思路

如果要找出数组中第 k 大的元素,最简单的方法就是直接排序,然后按照索引取出第 k 大的元素即可

不过题目并未要求将数组排序,直接排序会有冗余操作

较优的方法由根据堆排序的思想,每轮选出当前堆最大元素,时间复杂度为 O(log n),经过 k 次后选出的最大元素即为第 k 大元素,这样时间复杂度为 O(k * log n)

上述方法也有缺陷,因为其相当于将最大的 k 个元素全部排序了

快排的分界方法,方法每执行一次就会确定一个元素在排序后数组中的位置

于是可以使用快排的分界方法来求第 k 大的元素,每次分界方法执行后确定的位置与 k 的关系有:

  1. 当前位置等于 k,那么当前位置对应元素即为第 k 大元素
  2. 当前位置小于 k,那么第 k 大元素应该在当前位置右侧,接下只用在右侧元素中找即可
  3. 当前位置大于 k,那么第 k 大元素应该在当前位置左侧,接下只用在左侧元素中找即可

具体实现时,可以通过两个标志位 start 和 end 表示待寻找元素所在范围,初始时为 0 和 n - 1,接下来根据分界方法的分界位置与 k 的关系更新两个标志位

代码:

public class FindKthLargest {
    public int findKthLargest(int[] nums, int k) {
        int n = nums.length;
        // 获取分界位置
        int ith = getPivot(nums, 0, n - 1);
        // 升序排序,需要将 k 转化为第 k 小的元素
        k = n - k;
        // 查找范围
        int start = 0;
        int end = n - 1;
        // 根据分界位置与 k 的关系更新两个标志位
        while (ith != k) {
            // 分界位置小于 k,往右侧找
            if (ith < k) {
                start = ith + 1;
                ith = getPivot(nums, start, end);
            } else {
                // 分界位置大于 k,往左侧找
                end = ith - 1;
                ith = getPivot(nums, start, end);
            }
        }
        return nums[ith];
    }

    // 获取当前数组首元素在 [left, right] 中的排序位置
    public int getPivot(int[] nums, int left, int right) {
        int l = left;
        int r = right;
        int pivot = nums[left];
        while (l < r) {
            while (l < r && nums[r] >= pivot) {
                r--;
            }
            nums[l] = nums[r];
            while (l < r && nums[l] <= pivot) {
                l++;
            }
            nums[r] = nums[l];
        }
        nums[l] = pivot;
        return l;
    }
}
### 解题思路 LeetCode 2090 题目要求计算一个数组中每个元素的半径为 `k` 的子数组的平均值。如果某个元素的位置 `i` 满足其左右各有 `k` 个元素,即从 `i-k` 到 `i+k` 的子数组存在,则计算该子数组的平均值;否则结果为 `-1`。 为了高效地解决这个问题,可以使用 **滑动窗口** 技术。通过维护一个滑动窗口的和,可以在 `O(n)` 时间复杂度内完成计算。 #### 关键点 - 初始化窗口的大小为 `2*k + 1`,如果数组长度小于这个值,则某些位置无法形成完整的子数组。 - 首先计算初始窗口的总和,然后逐个移动窗口,并更新总和(减去退出窗口的元素,加上进入窗口的元素)。 - 对于无法形成完整窗口的位置,直接标记为 `-1`。 --- ### C++ 实现代码 ```cpp #include <vector> using namespace std; class Solution { public: vector<int> getAverages(vector<int>& nums, int k) { long long n = nums.size(); long long windowSize = 2 * k + 1; vector<int> avg(n, -1); if (windowSize > n) return avg; // 如果窗口比数组还大,全部返回-1 long long sum = 0; for (int i = 0; i < windowSize; ++i) { sum += nums[i]; } avg[k] = sum / windowSize; // 第一个窗口的平均值 for (int i = windowSize; i < n; ++i) { sum += nums[i] - nums[i - windowSize]; // 滑动窗口更新 avg[i - k] = sum / windowSize; // 计算当前窗口的平均值 } return avg; } }; ``` --- ### 示例说明 假设输入如下: ```cpp vector<int> nums = {1, 2, 3, 4, 5, 6, 7, 8, 9}; int k = 3; ``` 输出将是: ```cpp {-1, -1, -1, 4, 5, 6, -1, -1, -1} ``` 其中只有中间部分能够形成完整的窗口,其他位置由于缺少足够的元素而返回 `-1`。 --- ### 复杂度分析 - **时间复杂度**:`O(n)`,其中 `n` 是数组的长度。整个算法只遍历数组一次。 - **空间复杂度**:`O(n)`,用于存储最终的结果数组。 --- ### 性能优化建议 - 使用 `long long` 类型确保累加过程中不会溢出。 - 提前处理窗口大小大于数组长度的情况,避免无效计算。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

三更鬼

谢谢老板!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值