题目
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
解题思路
快速选择法
仿照快排,比pivot大的数字放一堆,比pivot小的数字放一堆,相同的数字放一堆,然后分析:
- larger的数字>=
k个,说明需要在larger中继续找 - larger+equal的数字少于k个,说明需要在smaller中找,因为已经去掉了
len(larger) + len(equals)个数字,所以找k - len(larger) + len(equals)个 - 否则,结果就是
pivot
时间复杂度o(nlogn)o(n\log n)o(nlogn),最好每次选择pivot的时候都用random选,不然无法达到最优时间复杂度
Space complexity: o(n)o(n)o(n)
堆法
保存当前数组中最大的k个数,然后返回最小的那个即可
时间复杂度o(klogk)o(klogk)o(klogk),空间复杂度o(k)o(k)o(k)
代码
快速选择法
class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
pivot = random.choice(nums)
smallers = [item for item in nums if item < pivot]
equals = [item for item in nums if item == pivot]
biggers = [item for item in nums if item > pivot]
if len(biggers) >= k:
return self.findKthLargest(biggers, k)
elif len(biggers) + len(equals) < k:
return self.findKthLargest(smallers, k - len(biggers) - len(equals))
else:
return pivot
Without extra space:
class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
def helper(left: int, right: int, k: int) -> int:
if left == right:
return nums[left]
pivot = nums[random.randint(left, right)]
small_index, large_index = left, right
p = small_index
while p <= large_index:
if nums[p] < pivot:
nums[small_index], nums[p] = nums[p], nums[small_index]
small_index += 1
p += 1
elif nums[p] > pivot:
nums[large_index], nums[p] = nums[p], nums[large_index]
large_index -= 1
else:
p += 1
if right - large_index >= k:
return helper(large_index + 1, right, k)
elif right - small_index + 1 < k:
return helper(left, small_index - 1, k - (right - small_index + 1))
else:
return pivot
return helper(0, len(nums) - 1, k)
堆
class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
heap = []
for each_num in nums:
if len(heap) < k:
heapq.heappush(heap, each_num)
elif each_num > heap[0]:
heapq.heapreplace(heap, each_num)
return heap[0]
本文探讨了在未排序数组中查找第k个最大元素的有效算法。通过快速选择法和堆法实现,前者模仿快速排序原理,后者维护数组中最大的k个数。详细介绍了两种方法的实现过程和时间复杂度。
304





