漫画:寻找无序数组的第k大元素

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了漫画:寻找无序数组的第k大元素相关的知识,希望对你有一定的参考价值。

漫画:寻找无序数组的第k大元素

本期封面作者:泰勒太乐
技术图片

技术图片

————— 第二天 —————
技术图片
技术图片
技术图片

题目是什么意思呢?比如给定的无序数组如下:
技术图片

如果 k=6,也就是要寻找第6大的元素,这个元素是哪一个呢?

显然,数组中第一大的元素是24,第二大的元素是20,第三大的元素是17 ...... 第6大的元素是9。
技术图片
技术图片

技术图片

方法一:排序法

这是最容易想到的方法,先把无序数组从大到小进行排序,排序后的第k个元素,自然就是数组中的第k大元素。
技术图片
技术图片
技术图片
技术图片

方法二:插入法

维护一个长度为k的数组A的有序数组,用于存储已知的k个较大的元素。
接下来遍历原数组,每遍历到一个元素,和数组A中最小的元素相比较,如果小于等于数组A的最小元素,继续遍历;如果大于数组A的最小元素,则插入到数组A中,并把曾经的最小元素“挤出去”。

比如k=3,先把最左侧的7,5,15三个数有序放入数组A当中,代表当前最大的三个数。
技术图片

这时候,遍历到3, 由于3<5,继续遍历。
技术图片

接下来遍历到17,由于17>5,插入到数组A的合适位置,类似于插入排序,并把原先最小的元素5“挤出去”。
技术图片

继续遍历原数组,一直遍历到数组的最后一个元素......

最终,数组A中存储的元素是24,20,17,代表着整个数组中最大的3个元素。此时数组A中的最小的元素17就是我们要寻找的第k大元素。
技术图片
技术图片
技术图片
技术图片

————————————
技术图片
技术图片

技术图片

技术图片

什么是二叉堆?不太了解的小伙伴可以先看看这一篇:漫画:什么是二叉堆?(修正版)

简而言之,二叉堆是一种特殊的完全二叉树,它包含大顶堆和小顶堆两种形式。

其中小顶堆的特点,是每一个父节点都大于等于自己的子节点。要解决这个算法题,我们可以利用小顶堆的特性。
技术图片
技术图片

方法三:小顶堆法
维护一个容量为k的小顶堆,堆中的k个节点代表着当前最大的k个元素,而堆顶显然是这k个元素中的最小值。
遍历原数组,每遍历一个元素,就和堆顶比较,如果当前元素小于等于堆顶,则继续遍历;如果元素大于堆顶,则把当前元素放在堆顶位置,并调整二叉堆(下沉操作)。
遍历结束后,堆顶就是数组的最大k个元素中的最小值,也就是第k大元素。

假设k=5,具体的执行步骤如下:

1.把数组的前k个元素构建成堆。
技术图片

2.继续遍历数组,和堆顶比较,如果小于等于堆顶,则继续遍历;如果大于堆顶,则取代堆顶元素并调整堆。

遍历到元素2,由于 2<3,所以继续遍历。
技术图片

遍历到元素20,由于 20>3,20取代堆顶位置,并调整堆。
技术图片

技术图片

遍历到元素24,由于 24>5,24取代堆顶位置,并调整堆。
技术图片

技术图片

以此类推,我们一个一个遍历元素,当遍历到最后一个元素8的时候,小顶堆的情况如下:
技术图片

3.此时的堆顶,就是堆中的最小值,也就是数组中的第k大元素。
技术图片

这个方法的时间复杂度是多少呢?

1.构建堆的时间复杂度是 O(k)
2.遍历剩余数组的时间复杂度是O(n-k)
3.每次调整堆的时间复杂度是 O(logk)

其中2和3是嵌套关系,1和2,3是并列关系,所以总的最坏时间复杂度是O((n-k)logk + k)。当k远小于n的情况下,也可以近似地认为是O(nlogk)。

这个方法的空间复杂度是多少呢?

刚才我们在详细步骤中把二叉堆单独拿出来演示,是为了便于理解。但如果允许改变原数组的话,我们可以把数组的前k个元素“原地交换”来构建成二叉堆,这样就免去了开辟额外的存储空间。

因此,方法的空间复杂度是O(1)。
技术图片
技术图片

/**

* 寻找第k大的元素
* @param array ?待调整的堆

* @param k ?第几大

*/

public static int findNumberK(int[] array, int k){

? ?//1.用前k个元素构建小顶堆

? ?buildHeap(array, k);

? ?//2.继续遍历数组,和堆顶比较

? ?for(int i=k; i<array.length;i++){

? ? ? ?if(array[i] > array[0]){

? ? ? ? ? ?array[0] = array[i];

? ? ? ? ? ?downAdjust(array, 0, k);

? ? ? ?}

? ?}

? ?//3.返回堆顶元素

? ?return array[0];

}

/**

* 构建堆

* @param array ?待调整的堆

* @param length ?堆的有效大小
*/

private static void buildHeap(int[] array, int length) {

? ?// 从最后一个非叶子节点开始,依次下沉调整

? ?for (int i = (length-2)/2; i >= 0; i--) {

? ? ? ?downAdjust(array, i, length);

? ?}

}

/**

* 下沉调整

* @param array ? ? 待调整的堆

* @param index ? ?要下沉的节点

* @param length ? ?堆的有效大小

*/

private static void downAdjust(int[] array, int index, int length) {

? ?// temp保存父节点值,用于最后的赋值

? ?int temp = array[index];

? ?int childIndex = 2 * index + 1;

? ?while (childIndex < length) {

? ? ? ?// 如果有右孩子,且右孩子小于左孩子的值,则定位到右孩子

? ? ? ?if (childIndex + 1 < length && array[childIndex + 1] < array[childIndex]) {

? ? ? ? ? ?childIndex++;
?// 如果父节点小于任何一个孩子的值,直接跳出

? ? ? ?if (temp <= array[childIndex])

? ? ? ? ? ?break;

? ? ? ?//无需真正交换,单向赋值即可

? ? ? ?array[index] = array[childIndex];

? ? ? ?index = childIndex;

? ? ? ?childIndex = 2 * childIndex + 1;

? ?}

? ?array[index] = temp;

}

public static void main(String[] args) {

? ?int[] array = new int[] {7,5,15,3,17,2,20,24,1,9,12,8};

? ?System.out.println(findNumberK(array, 5));

技术图片

方法四:分治法

大家都了解快速排序,快速排序利用分治法,每一次把数组分成较大和较小的两部分。
我们在寻找第k大元素的时候,也可以利用这个思路,以某个元素A为基准,把大于于A的元素都交换到数组左边,小于A的元素都交换到数组右边。

比如我们选择以元素7作为基准,把数组分成了左侧较大,右侧较小的两个区域,交换结果如下:
技术图片

包括元素7在内的较大元素有8个,但我们的k=5,显然较大元素的数目过多了。于是我们在较大元素的区域继续分治,这次以元素12位基准:
技术图片

这样一来,包括元素12在内的较大元素有5个,正好和k相等。所以,基准元素12就是我们所求的。

这就是分治法的大体思想,这种方法的时间复杂度甚至优于小顶堆法,可以达到O(n)。有兴趣的小伙伴可以尝试用代码实现一下。
技术图片

觉得本文有用,请给个好看,觉得特别有用,请转发给你的朋友们。

喜欢本文的朋友们,欢迎长按下图关注订阅号程序员小灰,收看更多精彩内容

技术图片

以上是关于漫画:寻找无序数组的第k大元素的主要内容,如果未能解决你的问题,请参考以下文章

面试高频算法难题:数组中的第K个最大元素

有序数组寻找中位数以及寻找K大元素

无序数组寻找中位数

快排解决寻找数组中的第K个最大元素

leetcode215. 数组中的第K个最大元素

寻找数组中的第K大的元素,多种解法以及分析