## 求最小的k个数
题目:输入一个n个整数,找出其中最小的k个数。例如输入4,5,1,6,2,7,3,8这8个数字,则最小的4个数字是1, 2, 3, 4。
### 解法1
利用快排partion的思路,将最小的k个数放在前面,实现如下:
```cpp
/**
* 小于等于pivot放在前面
*/
int partition(vector<int>& nums, int left, int right) {
int pivot = nums[right];
int index = left;
for (int i = left; i < right; ++i) {
if (nums[i] <= pivot) {
swap(nums[i], nums[index++]);
}
}
swap(nums[index], nums[right]);
return index;
}
vector<int> minTopK(vector<int>& nums, int k) {
int left = 0;
int right = nums.size() - 1;
int index = partition(nums, left, right);
while (index + 1 != k) {
if (index + 1 > k) {
right = index - 1;
} else {
left = index + 1;
}
index = partition(nums, left, right);
}
vector<int> result;
for (int i = 0; i < k; ++i) {
result.push_back(nums[i]);
}
return result;
}
```
### 解法2
利用最大堆
```cpp
class MaxHeap {
public:
MaxHeap(size_t capacity)
: capacity_(capacity), count_(0) {}
void put(int x) {
if (count_ < capacity_) {
datas_.push_back(x);
shiftUp(count_++);
} else {
if (x < datas_[0]) {
datas_[0] = x;
shiftDown(0);
}
}
}
vector<int> getDatas() { return datas_; }
private:
void shiftUp(int k) {
while (k > 0) {
int parent = (k - 1) / 2;
if (datas_[k] <= datas_[parent])
break;
swap(datas_[k], datas_[parent]);
k = parent;
}
}
void shiftDown(int k) {
while (2 * k + 1 < count_) {
int max = 2 * k + 1;
if (max + 1 < count_ && datas_[max + 1] > datas_[max])
max++;
if (datas_[max] <= datas_[k])
break;
swap(datas_[k], datas_[max]);
k = max;
}
}
private:
size_t count_;
size_t capacity_;
vector<int> datas_;
};
vector<int> minTopK(vector<int>& nums, int k) {
MaxHeap maxHeap(k);
for (auto& x : nums) {
maxHeap.put(x);
}
return maxHeap.getDatas();
}
```
### 解法3
利用最大堆思想
```cpp
vector<int> minTopK(vector<int>& nums, int k) {
multiset<int, greater<int>> m;
for (auto& x : nums) {
if (m.size() < k) {
m.insert(x);
} else {
if (x < *m.begin()) {
m.erase(m.begin());
m.insert(x);
}
}
}
vector<int> result;
for (auto& x : m) {
result.push_back(x);
}
return result;
}
```
- 空白目录
- 算法
- 排序
- 冒泡排序
- 选择排序
- 插入排序
- 归并排序
- 快速排序
- 计数排序
- 桶排序
- 基数排序
- 希尔排序
- 堆排序
- 二分查找
- 最小堆
- 最小索引堆
- 平衡二叉树(AVL tree)
- bitmap位图
- 布隆过滤器
- hashmap
- topK
- 跳表
- LRU Cache
- kmp
- 最小堆和堆排序
- 最短路径
- C++
- 运行时类型判断RTTI
- C++反射
- 手动实现智能指针
- 序列化实现
- rpc实现
- std::forward
- 函数指针的妙用
- C/C++
- std::function
- 同步队列
- 线程池实现
- std::promise
- 深入理解虚函数
- extern "C" 关键字讲解
- 大端小端的区别
- 简历
- 简历1
- redis
- 数据结构和对象
- sds
- list
- zskiplist
- 腾讯云redis面试题总结
- redis集群部署
- LeetCode
- 目标
- go基础
- 算法快速入门
- 数据结构篇
- 二叉树
- 链表
- 栈和队列
- 二进制
- 基础算法篇
- 二分搜索
- 排序算法
- 动态规划
- 算法思维
- 递归思维
- 滑动窗口思想
- 二叉搜索树
- 回溯法
- 其他
- 剑指offer
- 笔记
- git代理加速
- Linux
- vim大法
- vscode远程不能跳转
- cmake
- 设计模式
- 单例模式
- 简单工厂模式
- 外观模式
- 适配器模式
- 工厂方法模式
- 抽象工厂模式
- 生成器模式
- 原型模式
- 中介者模式
- 观察者模式
- 访问者模式
- 命令模式
- 网络编程
- epoll reactor模式
- linux timerfd系列函数总结
- IO
- mapreduce
- 反射器
- leo通信库
- Mutex
- Condition
- thread
- raft
- 协程
- hook
- 定时器
- 别人的面试经验
- 面试题
- vector崩溃问题
- JAVA
- Linux java环境配置
- ucore
- lab1
- FreeNOS
- leveldb
- 刷题笔记
- 回文串
- 前缀树
- 字符串查找
- 查找两个字符串a,b中的最长公共子串
- 动态规划
- golang
- 顺序循环打印实现
- 数据结构
- rpc运用
- python
- 单例
- 深拷贝浅拷贝
- 链表
- python基础题
- mysql
- 事务
- Linux
- 共享内存
- 刷题记录
- 贪心算法
- 动态规划
- 面试
- 腾讯C++面试
- 微众面试JD
- 迅雷网络面试
- 学习网址
- rabbitMq
