【Top K 问题】[Leetcode-215] Kth Largest Element in an Array 数组中第K大的数

0. 本文概要

Top K问题在大数据领域非常普遍，而且是在面试中经常被提问的一个问题。

例如： 100w 个数中找出最大的 100 个数。

1. 思路

解决Top K问题有两种思路

最直观： 小顶堆（大顶堆 -> 最小100个数）；
较高效： Quick Select算法。

下面我们先介绍两种方法， 最后使用Leetcode-215 Kth Largest Element in an Array 进行验证。

1.1 堆

方案 1:在前面的题中，我们已经提到了，用一个含 100 个元素的最小堆完成。复杂度为 O(100w*lg100)。

小顶堆（min-heap）有个重要的性质——每个结点的值均不大于其左右孩子结点的值，则堆顶元素即为整个堆的最小值。

JDK中 PriorityQueue实现了数据结构堆，通过指定comparator字段来表示小顶堆或大顶堆，默认为null，表示自然序（natural ordering）。

小顶堆解决 Top K 问题的思路：
小顶堆维护当前扫描到的最大100个数，其后每一次的扫描到的元素，若大于堆顶，则入堆，然后删除堆顶；依此往复，直至扫描完所有元素。

Java实现第K大整数代码如下：

public static int findKthLargest(int[] nums, int k) {        PriorityQueue<Integer> myQueue = new PriorityQueue<>(k, new Comparator<Integer>(){            public int compare(Integer o1, Integer o2){                return o1 - o2;//小顶堆//              return o2 - o1;//大顶堆            }        });        for(Integer num: nums){            //如果堆大小小于K， 直接入堆  或者 元素大于小顶堆的堆顶元素，也入堆            if(myQueue.size() < k || num > myQueue.peek() ){                myQueue.offer(num);            }            if(myQueue.size() > k){                myQueue.poll();            }        }        return myQueue.peek();    }

---

1.2. Quick Select

方案 2: 采用快速排序的思想，每次分割之后只考虑比轴大的一部分，知道比轴大的一部分在比 100 多的时候，采用传统排序算法排序，取前 100 个。复杂度为 O(100w*100)。

Quick Select 脱胎于快排（Quick Sort），两个算法的作者都是Hoare，并且思想也非常接近：选取一个基准元素pivot，将数组切分（partition）为两个子数组，比pivot大的扔左子数组，比pivot小的扔右子数组，然后递推地切分子数组。

Quick Select不同于Quick Sort的是其没有对每个子数组做切分，而是对目标子数组做切分。

其次，Quick Select与Quick Sort一样，是一个不稳定的算法；pivot选取直接影响了算法的好坏，worst case下的时间复杂度达到了O(n^2)。

下面给出Quick Sort 快速排序的Java实现：
感觉我现在都能把快排背下来了。。。。

public static void quickSort(int[] arr, int low, int high){        int pivot;        if(low < high){            pivot = partition(arr, low, high);            quickSort(arr, pivot+1, high);            quickSort(arr, low, pivot-1);        }    }    public static int partition(int[] arr, int low, int high){        int pivotKey = arr[low];        while(low < high){            while(low < high && arr[high] >= pivotKey)                high--;            swap(arr, low, high);            while(low < high && arr[low] <= pivotKey)                low++;            swap(arr, low, high);        }        return low;    }    public static void swap(int[] arr, int low, int high){        int temp = arr[low];        arr[low] = arr[high];        arr[high] = temp;    }

---

Quick Select的目标是找出第k大元素，所以

• 若切分后的左子数组的长度 > k，则第k大元素必出现在左子数组中；
• 若切分后的左子数组的长度 = k-1，则第k大元素为pivot；
• 若上述两个条件均不满足，则第k大元素必出现在右子数组中。

Quick Select的Java实现：

    public int findKthLargest(int[] nums, int k) {        return quickSelect(nums, k, 0, nums.length - 1);    }    // quick select to find the kth-largest element    public int quickSelect(int[] arr, int k, int left, int right) {        if (left == right)            return arr[right];        //patition方法还是用的 快排中的 partition        int index = partition(arr, left, right);        if (index - left + 1 > k)            return quickSelect(arr, k, left, index - 1);        else if (index - left + 1 == k)            return arr[index];        else            return quickSelect(arr, k - index + left - 1, index + 1, right);    }

上面给出的代码都是求解第k大元素；若想要得到Top K元素，仅需要将代码做稍微的修改：比如，扫描完成后的小顶堆对应于Top K，Quick Select算法用中间变量保存Top K元素。

---

2. Kth Largest Element in an Array

Leetcode 215

import java.util.Comparator;import java.util.PriorityQueue;class Solution {    public int findKthLargest(int[] nums, int k) {          PriorityQueue<Integer> minQueue = new PriorityQueue<>(k);          for (int num : nums) {            if (minQueue.size() < k || num > minQueue.peek())              minQueue.offer(num);            if (minQueue.size() > k)              minQueue.poll();          }          return minQueue.peek();    }}

3. 参考文献

James Aspnes, QuickSelect.