求无序数组第 K 大的数

求无序数组第 K 大的数

作者：Grey

原文地址: 求无序数组第 K 大的数

问题描述

无序数组求第K大的数，其中K从1开始算。

例如：[0,3,1,8,5,2]这个数组，第2大的数是5

OJ可参考：LeetCode 215. Kth Largest Element in an Array

堆解法

设置一个小根堆，先把前K个数放入小根堆，对于这前K个数来说，堆顶元素一定是第K大的数，接下来的元素继续入堆，但是每入一个就弹出一个，最后，堆顶元素就是整个数组的第K大元素。代码如下：

class Solution {
    public static int findKthLargest(int[] nums, int k) {
        PriorityQueue<Integer> heap = new PriorityQueue<>();
        for (int i = 0; i < k; i++) {
            heap.offer(nums[i]);
        }
        for (int i = k; i < nums.length;i++) {
            heap.offer(nums[i]);
            heap.poll();
        }
        return heap.peek();
    }
}

由于每次堆需要承担logK的调整代价, 所以这个解法的时间复杂度为O(N*logK)

改进快排算法

快速排序中，有一个partition的过程, 这个过程随机选择数组中的一个数，假设叫pivot，这个过程主要作用是将数组的l...r区间内的数：

• 小于pivot的数放右边

• 大于pivot的数放左边

• 等于pivot的数放中间

返回两个值，一个是左边界和一个右边界，位于左边界和右边界的值均等于pivot，小于左边界的位置的值都大于pivot，大于右边界的位置的值均小于pivot。简言之：如果要排序，pivot这个值在一次partition以后，所在的位置就是最终排序后pivot应该在的位置。

所以，如果数组中某个数在经历上述partion之后正好位于K-1位置，那么这个数就是整个数组第K大的数。

快排改进算法完整代码如下：

class Solution {
       public static int findKthLargest(int[] nums, int k) {
        return process(nums, 0, nums.length - 1, k - 1);
    }

    // arr 在L...R范围内，如果要从大到小排序，请返回index位置的值
    private static int process(int[] arr, int L, int R, int index) {
        if (L == R) {
            return arr[R];
        }
        int pivot = arr[L + (int) (Math.random() * (R - L + 1))];
        int[] range = partition(arr, L, R, pivot);
        if (index >= range[0] && index <= range[1]) {
            return pivot;
        } else if (index < range[0]) {
            return process(arr, L, range[0], index);
        } else {
            return process(arr, range[1], R, index);
        }
    }

    public static int[] partition(int[] arr, int L, int R, int pivot) {
        int less = L - 1;
        int more = R + 1;
        while (L < more) {
            if (arr[L] > pivot) {
                swap(arr, L++, ++less);
            } else if (arr[L] == pivot) {
                L++;
            } else {
                swap(arr, L, --more);
            }
        }
        return new int[]{less + 1, more - 1};
    }
    
    public static void swap(int[] nums, int t, int m) {
        int tmp = nums[m];
        nums[m] = nums[t];
        nums[t] = tmp;
    }
}

其中process方法表示：nums在L...R范围上，如果要排序（从大到小）的话，请返回index位置的值。

int pivot = nums[L + (int) (Math.random() * (R - L + 1))];

这一行表示随机取一个值pivot出来，用这个值做后续的partition操作，如果index恰好在pivot这个值做partition的左右边界范围内，则pivot就是排序后第index+1大的数(从1开始算)。

bfprt算法

brfpt算法和改进快排算法主流程上基本一致，只是在选择pivot的时候有差别，快排改进是随机取一个数作为pivot, 而bfprt算法是根据一定的规则取pivot，核心代码为：

public class LeetCode_0215_KthLargestElementInAnArray {
    ......
    // nums在L...R范围上，如果要排序（从大到小）的话，请返回index位置的值
    public static int bfprt(int[] nums, int L, int R, int index) {
        if (L == R) {
            return nums[L];
        }
        //int pivot = nums[L + (int) (Math.random() * (R - L + 1))];
        int pivot = medianOfMedians(nums, L, R);
        int[] range = partition(nums, L, R, pivot);
        if (index >= range[0] && index <= range[1]) {
            return pivot;
        } else if (index < range[0]) {
            return bfprt(nums, L, range[0] - 1, index);
        } else {
            return bfprt(nums, range[1] + 1, R, index);
        }
    }
    ......
}

其中

int pivot = medianOfMedians(nums, L, R);

就是bfprt算法最关键的步骤，mediaOfMedians这个函数表示：

将num分成每五个元素一组，不足一组的补齐一组，并对每组进行排序(由于固定是5个数一组进行排序，所以排序的时间复杂度O(1))，取出每组的中位数，组成一个新的数组， 对新的数组求其中位数，这个中位数就是我们需要的值pivot。

    public static int medianOfMedians(int[] arr, int L, int R) {
        int size = R - L + 1;
        int offSize = size % 5 == 0 ? 0 : 1;
        int[] mArr = new int[size / 5 + offSize];
        for (int i = 0; i < mArr.length; i++) {
            // 每一组的第一个位置
            int teamFirst = L + i * 5;
            int median = getMedian(arr, teamFirst, Math.min(R, teamFirst + 4));
            mArr[i] = median;
        }
        return bfprt(mArr, 0, mArr.length - 1, (mArr.length - 1) / 2);
    }

    public static int getMedian(int[] arr, int L, int R) {
        Arrays.sort(arr, L, R);
        return arr[(R + L) / 2];
    }

注：mediaOfMedians方法中最后一句：

return bfprt(mArr, 0, mArr.length - 1, (mArr.length - 1) / 2);

就是利用bfprt算法拿整个元素中间位置的值。

关于 bfprt 算法的两个问题

1. 为什么是5个一组

2. 为什么严格收敛到O(N)

请参考：

BFPRT算法原理

BFPTR算法详解+实现+复杂度证明

三种解法复杂度分析

算法	时间	空间
堆	O(N*logK)	O(N)
快排改进	概率上收敛到：O(N)	O(1)
bfprt	严格收敛到：O(N)	O(N)

相关题目

寻找两个正序数组的中位数

笔记见：寻找两个正序数组中的中位数

第 K 小的数值对

长度为N的数组arr，一定可以组成N^2个数值对。例如arr = [3,1,2]，数值对有(3,3) (3,1) (3,2) (1,3) (1,1) (1,2) (2,3) (2,1) (2,2)，也就是任意两个数都有数值对，而且自己和自己也算数值对。数值对怎么排序？规定，第一维数据从小到大，第一维数据一样的，第二维数组也从小到大。所以上面的数值对排序的结果为：(1,1)(1,2)(1,3)(2,1)(2,2)(2,3)(3,1)(3,2)(3,3), 给定一个数组arr，和整数k，返回第k小的数值对。

代码见：Code_0015_KMinPair

更多

算法和数据结构笔记

参考资料

程序员代码面试指南（第2版）

算法和数据结构体系班-左程云

BFPRT算法原理

BFPTR算法详解+实现+复杂度证明