上校教你如何用堆解决Top-K问题
Posted 柠檬叶子C
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了上校教你如何用堆解决Top-K问题相关的知识,希望对你有一定的参考价值。
前言:
本篇将详细讲解如何利用小根堆的方法解决 问题,这么多数据要处理,
该算法时间复度居然只需:
真是🐂🍺到炸了兄弟萌!给我冲!
0x01 TopK问题
📚 问题介绍:在 个数中找出最大的前 个 (比如在1000个数中找出最大的前10个)
0x02 解题方法
🔑 方法1:先排降序,前 个就是最大的。
时间复杂度:
🔑 方法2: 个数依次插入大堆,HeapPop 次,每次取堆顶的数据,即为前 个。
时间复杂度:
假设 非常大, 是 10 亿,内存中存不下这些数,它们存在文件中的。 是 100,方法1 和 方法2 就都不能用了……
话说 10 亿个整数,大概占用多少空间?
1G = 1024MB
1G = 1024*1024KB
1G = 1024*1024*1024Byte
要占用10亿字节!所以我们来看看方法3。
🔑 方法3:
① 用前 个数建立一个 个数的小堆。
② 剩下的 个数,依次跟堆顶的数据进行比较。如果比堆顶的数据大,就替换堆顶的数据,再向下调整。
③ 最后堆里面的 个数就是最大的 个数。
时间复杂度:
❓ 这里为什么使用小堆而不使用大堆?
💡 最大的前 个数一定会比其他数要大,只要进来的数比堆顶数据大,就替代它。因为是小堆(小的在上大的在下),最大的数进去后一定会沉到下面,所以不可能存在大的数堵在堆顶导致某个数进不去的情况,数越大沉得越深。对应地,如果使用大堆就会出现一个大数堵在堆顶,剩下的数都比这个大数小,导致其他数进不来,最后只能选出最大的那一个。
0x03 代码实现与讲解
由于还没开始讲 C++ ,这里我们没法用优先级队列,我们得手动自己写一个堆来使用(上一章我们讲过了堆的实现)。当然,如果自己懒得写,以下是 C语言 实现堆的代码,直接复制粘贴使用即可。
💬 Heap.h
#define _CRT_SECURE_NO_WARNINGS 1
#pragma once
#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
#include <stdbool.h>
typedef int HPDataType;
typedef struct Heap
HPDataType* array; //指向动态开辟的数组
int size; //有效数据的个数
int capacity; //容量空间的大小
HP;
/* 堆的初始化 */
void HeapInit(HP* php);
/* 堆的销毁 */
void HeapDestroy(HP* php);
/* 堆的打印 */
void HeapPrint(HP* php);
/* 判断堆是否为空 */
bool HeapIfEmpty(HP* hp);
/* 堆的插入 */
void HeapPush(HP* php, HPDataType x);
/* 检查容量 */
void HeapCheckCapacity(HP* php);
/* 交换函数 */
void Swap(HPDataType* px, HPDataType* py);
/* 大根堆上调 */
void BigAdjustUp(int* arr, int child);
/* 小根堆上调 */
void SmallAdjustUp(int* arr, int child);
/* 堆的删除 */
void HeapPop(HP* php);
/* 小根堆下调*/
void SmallAdjustDown(int* arr, int n, int parent);
/* 大根堆下调 */
void BigAdjustDown(int* arr, int n, int parent);
/* 返回堆顶数据*/
HPDataType HeapTop(HP* php);
/* 统计堆的个数 */
int HeapSize(HP* php);
💬 Heap.c
#define _CRT_SECURE_NO_WARNINGS 1
#include "Heap.h"
/* 堆的初始化 */
void HeapInit(HP* php)
assert(php);
php->array = NULL;
php->size = php->capacity = 0;
/* 堆的销毁 */
void HeapDestroy(HP* php)
assert(php);
free(php->array);
php->capacity = php->size = 0;
/* 堆的打印 */
void HeapPrint(HP* php)
for (int i = 0; i < php->size; i++)
printf("%d ", php->array[i]);
printf("\\n");
/* 判断堆是否为空 */
bool HeapIfEmpty(HP* php)
assert(php);
return php->size == 0; // 如果为size为0则表示堆为空
/* 堆的插入 */
/* 检查容量 */
void HeapCheckCapacity(HP* php)
if (php->size == php->capacity)
int newCapacity = php->capacity == 0 ? 4 : (php->capacity * 2); //第一次给4,其他情况扩2倍
HPDataType* tmpArray = (HPDataType*)realloc(php->array, sizeof(HPDataType) * newCapacity); // 数组扩容
if (tmpArray == NULL) //检查realloc
printf("realloc failed!\\n");
exit(EXIT_FAILURE);
//更新他们的大小
php->array = tmpArray;
php->capacity = newCapacity;
/* 交换函数 */
void Swap(HPDataType* px, HPDataType* py)
HPDataType tmp = *px;
*px = *py;
*py = tmp;
/* 大根堆上调 */
void BigAdjustUp(int* arr, int child)
assert(arr);
// 首先根据公式计算算出父亲的下标
int parent = (child - 1) / 2;
// 最坏情况:调到根,child=parent 当child为根节点时结束(根节点永远是0)
while (child > 0)
if (arr[child] > arr[parent]) // 如果孩子大于父亲(不符合堆的性质)
// 交换他们的值
Swap(&arr[child], &arr[parent]);
// 往上走
child = parent;
parent = (child - 1) / 2;
else // 如果孩子小于父亲(符合堆的性质)
// 跳出循环
break;
/* 小根堆上调 */
void SmallAdjustUp(int* arr, int child)
assert(arr);
// 首先根据公式计算算出父亲的下标
int parent = (child - 1) / 2;
// 最坏情况:调到根,child=parent 当child为根节点时结束(根节点永远是0)
while (child > 0)
if (arr[child] < arr[parent]) // 如果孩子大于父亲(不符合堆的性质)
// 交换他们的值
Swap(&arr[child], &arr[parent]);
// 往上走
child = parent;
parent = (child - 1) / 2;
else // 如果孩子小于父亲(符合堆的性质)
// 跳出循环
break;
void HeapPush(HP* php, HPDataType x)
assert(php);
// 检查是否需要扩容
HeapCheckCapacity(php);
// 插入数据
php->array[php->size] = x;
php->size++;
// 向上调整 [目标数组,调整位置的起始位置(刚插入的数据)]
SmallAdjustUp(php->array, php->size - 1);
/* 堆的删除 */
/* 小根堆下调*/
void SmallAdjustDown(int* arr, int n, int parent)
int child = parent * 2 + 1; // 默认为左孩子
while (child < n) // 叶子内
// 选出左右孩子中小的那一个
if (child + 1 < n && arr[child + 1] < arr[child])
child++;
if (arr[child] < arr[parent]) // 如果孩子小于父亲(不符合小堆的性质)
// 交换它们的值
Swap(&arr[child], &arr[parent]);
// 往下走
parent = child;
child = parent * 2 + 1;
else // 如果孩子大于父亲(符合小堆的性质)
// 跳出循环
break;
/* 大根堆下调 */
void BigAdjustDown(int* arr, int n, int parent)
int child = parent * 2 + 1; // 默认为左孩子
while (child < n) // 叶子内
// 选出左右孩子中大的那一个
if (child + 1 < n && arr[child + 1] > arr[child])
child++;
if (arr[child] > arr[parent]) // 如果孩子大于父亲(不符合大堆的性质)
// 交换它们的值
Swap(&arr[child], &arr[parent]);
// 往下走
parent = child;
child = parent * 2 + 1;
else // 如果孩子小于父亲(符合大堆的性质)
// 跳出循环
break;
void HeapPop(HP* php)
assert(php);
assert(!HeapIfEmpty(php));
// 删除数据
Swap(&php->array[0], &php->array[php->size - 1]);
php->size--;
// 向下调整 [目标数组,数组的大小,调整位置的起始位置]
SmallAdjustDown(php->array, php->size, 0);
/* 返回堆顶数据 */
HPDataType HeapTop(HP* php)
assert(php);
assert(!HeapIfEmpty(php));
return php->array[0];
/* 统计堆的个数 */
int HeapSize(HP* php)
assert(php);
return php->size;
💬 第三种方法的参考代码:
#define _CRT_SECURE_NO_WARNINGS 1
#include "Heap.h"
/* 在N个数中找出最大的前K个 */
void PrintTopK(int* arr, int N, int K)
HP hp; // 创建堆
HeapInit(&hp); // 初始化堆
for (int i = 0; i < K; i++) // Step1: 创建一个K个数的小堆
HeapPush(&hp, arr[i]);
for (int i = K; i < N; i++) // Step2: 剩下的N-K个数跟堆顶的数据比较
if (arr[i] > HeapTop(&hp)) // 如果比堆顶的数据大就替换进堆
HeapPop(&hp); // 此数确实比堆顶大,删除堆顶
HeapPush(&hp, arr[i]); // 将此数推进堆中,数越大下沉越深
/* 另一种写法: 手动替换
hp.array[0] = arr[i];
SmallAdjustDown(hp.array, hp.size, 0);
*/
HeapPrint(&hp); // 打印K个数的堆
HeapDestroy(&hp); // 销毁堆
/* 模拟测试 TopK */
void TestTopK()
int N = 1000000;
int* arr = (int*)malloc(sizeof(int) * N);
srand(time(0)); // 置随机数种子
for(size_t i = 0; i < N; i++)
// 产生随机数,每次产生的随机数都mod100w,这样产生的数一定是小于100w的
arr[i] = rand() % 1000000;
// 再去设置10个比100w大的数
arr[5] = 1000000 + 1;
arr[1231] = 1000000 + 2;
arr[5355] = 1000000 + 3;
arr[51] = 1000000 + 4;
arr[15] = 1000000 + 5;
arr[2335] = 1000000 + 6;
arr[9999] = 1000000 + 7;
arr[76] = 1000000 + 8;
arr[423] = 1000000 + 9;
arr[3144] = 1000000 + 10;
PrintTopK(arr, N, 10); //测试用,所以给10个
int main(void)
TestTopK();
return 0;
🚩 运行结果:
🔑 PrintTopK 解读:
① 准备好我们实现好的堆之后,我们就可以写 的算法了。我们创建一个 PrintTopK 函数,函数需要接收存放数据的数组、数组的大小()和要找前多少个()。
② 首先创建一个堆,用来存放 。按照规矩我们先把 HeapInit(初始化)和 HeapDestroy(销毁)先写好,防止自己不小心忘记销毁。
③ 核心步骤1:创建一个 个数的小堆,我们直接用 for 循环将数组中前 个值先逐个 HeapPush (堆的插入)进去。
这里不代表最后的结果,我们只是相当于 "默认" 认为这前 个数是最大的,方便我们后续进行比较替代。经过 HeapPush (堆的插入)后,这些数据会通过 SmallAdjustDown (小堆下调接口) 对数据进行相应的调整:
for (int i = 0; i < K; i++) // Step1: 创建一个K个数的小堆
HeapPush(&hp, arr[i]);
④ 核心步骤2:除去 ,将剩下的 个数据进行比较。我们再利用 for 循环将数组中剩下的 个数据进行遍历。
这里逐个进行判断,如果该数堆顶的数据 ,我们就进行替换操作。调用 HeapPop(堆的删除)删除堆顶的数据,给 让位。之后将其 HeapPush (堆的插入)推到堆中,就完成了替换的工作。值得一提的是,我们还可以不调用 Pop 和 Push 这两个操作,手动进行替换。hp.array [ 0 ] 就表示栈顶,我们将 赋值给它,随后再手动进行 SmallAdjustDown (小堆下调操作),传入相应的值即可:
for (int i = K; i < N; i++) // Step2: 剩下的N-K个数跟堆顶的数据比较
if (arr[i] > HeapTop(&hp)) // 如果比堆顶的数据大就替换进堆
HeapPop(&hp); // 此数确实比堆顶大,删除堆顶
HeapPush(&hp, arr[i]); // 将此数推进堆中,数越大下沉越深
/* 另一种写法: 手动替换
hp.array[0] = arr[i];
SmallAdjustDown(hp.array, hp.size, 0);
*/
⑤ 当 for 遍历完所有数据之后,小堆中就保留了 个数据中最大的前 个数了。此时我们调用堆打印接口将小堆里的数据打印出来就大功告成了。
🔑 TestTopK 解读:
① 这是用来测试我们写的 算法的函数。设置 N 的大小为 100w,动态内存开辟一块可以存下这么多数据的空间:
int N = 1000000;
int* arr = (int*)malloc(sizeof(int) * N);
② 随后根据时间来置随机数种子,将每个元素都进行随机数的填充,每次产生的随机数都模上100w,这样可以保证产生的随机数一定是小于100w的。
srand(time(0));
for(size_t i = 0; i < N; i++)
arr[i] = rand() % 1000000;
③ 随便写几个大于100w的数,便于测试:
// 再去设置10个比100w大的数
arr[5] = 1000000 + 1;
arr[1231] = 1000000 + 2;
arr[5355] = 1000000 + 3;
arr[51] = 1000000 + 4;
arr[15] = 1000000 + 5;
arr[2335] = 1000000 + 6;
arr[9999] = 1000000 + 7;
arr[76] = 1000000 + 8;
arr[423] = 1000000 + 9;
arr[3144] = 1000000 + 10;
④ 调用我们刚才实现好的 PrintTopK 函数,递交对应的参数后就可以进行测试了。这里为了方便测试,我们的 设置为10:
PrintTopK(arr, N, 10);
参考资料:
Microsoft. MSDN(Microsoft Developer Network)[EB/OL]. []. .
百度百科[EB/OL]. []. https://baike.baidu.com/.
📌 笔者:王亦优
📃 更新: 2021.11.29
❌ 勘误: 无
📜 声明: 由于作者水平有限,本文有错误和不准确之处在所难免,本人也很想知道这些错误,恳望读者批评指正!
本篇完。
以上是关于上校教你如何用堆解决Top-K问题的主要内容,如果未能解决你的问题,请参考以下文章