数组中的k个最大（或最小）元素 | 新增最小堆方法

原文： https://www.geeksforgeeks.org/k-largestor-smallest-elements-in-an-array/

问题：编写一个有效的程序来打印数组中k个最大的元素。 数组中的元素可以按任何顺序排列。

例如，如果给定的数组为[1, 23, 12, 9, 30, 2, 50]，并且要求您输入最大的 3 个元素，即k = 3，则程序应输出 50、30 和 23。

方法 1（使用冒泡k次）：

感谢 Shailendra 提出了这种方法。

  1. 修改冒泡排序，最多可运行k次外部循环。

  2. 打印在步骤 1 中获得的数组的最后k个元素。

时间复杂度：O(nk)。

像冒泡排序一样，其他排序算法（例如选择排序）也可以修改以获取k个最大元素。

方法 2（使用临时数组）：

来自arr[0..n-1]的K个最大元素：

  1. 将前k个元素存储在临时数组temp[0..k-1]中。

  2. 在temp[]中找到最小的元素，让最小的元素为min。

  3. 对于arr[k]至arr[n-1]中的每个元素x（O(n-k)），

    1. 如果x大于最小值，则从temp[]中删除min并插入x。

    2. 然后，从temp[]确定新的min（O(k)）。

  4. 打印temp[]的最后k个元素。

时间复杂度：O((n-k) * k)。 如果我们要对输出进行排序，则O((n-k) * k + klogk)。

感谢 nesamani1822 建议使用此方法。

方法 3（使用排序）：

  1. 在O(nLogn)中按降序对元素进行排序。

  2. 打印已排序数组O(k)的前k个数字。

以下是以上的实现。

C++

// C++ code for k largest elements in an array 
#include <bits/stdc++.h> 
using namespace std; 

void kLargest(int arr[], int n, int k) 
{ 
    // Sort the given array arr in reverse 
    // order. 
    sort(arr, arr + n, greater<int>()); 

    // Print the first kth largest elements 
    for (int i = 0; i < k; i++) 
        cout << arr[i] << " "; 
} 

// driver program 
int main() 
{ 
    int arr[] = { 1, 23, 12, 9, 30, 2, 50 }; 
    int n = sizeof(arr) / sizeof(arr[0]); 
    int k = 3; 
    kLargest(arr, n, k); 
} 

// This article is contributed by Chhavi

Java

// Java code for k largest elements in an array 
import java.util.Arrays; 
import java.util.Collections; 

class GFG { 
    public static void kLargest(Integer[] arr, int k) 
    { 
        // Sort the given array arr in reverse order 
        // This method doesn't work with primitive data 
        // types. So, instead of int, Integer type 
        // array will be used 
        Arrays.sort(arr, Collections.reverseOrder()); 

        // Print the first kth largest elements 
        for (int i = 0; i < k; i++) 
            System.out.print(arr[i] + " "); 
    } 

    public static void main(String[] args) 
    { 
        Integer arr[] = new Integer[] { 1, 23, 12, 9, 
                                        30, 2, 50 }; 
        int k = 3; 
        kLargest(arr, k); 
    } 
} 
// This code is contributed by Kamal Rawal

Python

''' Python3 code for k largest elements in an array'''

def kLargest(arr, k): 
    # Sort the given array arr in reverse  
    # order. 
    arr.sort(reverse = True) 
    # Print the first kth largest elements 
    for i in range(k): 
        print (arr[i], end =" ")  

# Driver program 
arr = [1, 23, 12, 9, 30, 2, 50] 
# n = len(arr) 
k = 3
kLargest(arr, k) 

# This code is contributed by shreyanshi_arun.

C

// C# code for k largest elements in an array 
using System; 

class GFG { 
    public static void kLargest(int[] arr, int k) 
    { 
        // Sort the given array arr in reverse order 
        // This method doesn't work with primitive data 
        // types. So, instead of int, Integer type 
        // array will be used 
        Array.Sort(arr); 
        Array.Reverse(arr); 

        // Print the first kth largest elements 
        for (int i = 0; i < k; i++) 
            Console.Write(arr[i] + " "); 
    } 

    // Driver code 
    public static void Main(String[] args) 
    { 
        int[] arr = new int[] { 1, 23, 12, 9, 
                                30, 2, 50 }; 
        int k = 3; 
        kLargest(arr, k); 
    } 
} 

// This code contributed by Rajput-Ji

PHP

<?php  
// PHP code for k largest  
// elements in an array 

function kLargest(&$arr, $n, $k) 
{ 
    // Sort the given array arr  
    // in reverse order. 
    rsort($arr); 

    // Print the first kth  
    // largest elements 
    for ($i = 0; $i < $k; $i++) 
        echo $arr[$i] . " "; 
} 

// Driver Code 
$arr = array(1, 23, 12, 9,  
                30, 2, 50); 
$n = sizeof($arr); 
$k = 3; 
kLargest($arr, $n, $k); 

// This code is contributed  
// by ChitraNayal 
?>

输出：

50 30 23

时间复杂度：O(nlogn)。

方法 4（使用最大堆）：

  1. 在O(n)中建立一个最大堆树
  2. 使用提取最大k次从最大堆O(klogn)中获取k个最大元素

时间复杂度：O(n + klogn)。

方法 5（使用奇数统计）：

  1. 使用顺序统计算法找到第k大元素。请参阅最坏情况线性时间O(n)中的主题选择
  2. 使用QuickSort分区算法对第k个最大数O(n)进行分区。
  3. 对k-1个元素（大于第k​​个最大元素的元素）进行排序，O(kLogk)。仅当需要排序的输出时才需要此步骤。

时间复杂度：如果不需要排序输出，则为O(n)，否则为O(n + kLogk)。

感谢 Shilpi 建议前两种方法。

方法 6（使用最小堆）：

此方法主要是方法1的优化。请使用最小堆，而不要使用temp[]数组。

  1. 建立给定数组的前k个元素（arr[0]至arr[k-1]）的最小堆MH，O(k)。

  2. 对于每个元素，在第k个元素（arr[k]至arr[n-1]）之后，将其与MH的根进行比较。

    • 如果元素大于根，则将其设为根并为MH调用heapify。
    • 否则忽略它。

    步骤 2 为O((n-k) * logk)。

  3. 最后，MH具有k个最大元素，而MH的根是第k个最大元素。

时间复杂度：O(k + (n-k) Logk)，无排序输出。如果需要排序的输出，则O(k + (n-k) Logk + kLogk)。

所有上述方法也可以用于找到第k个最大（或最小）元素。

C++

#include <iostream> 
using namespace std; 

// Swap function to interchange 
// the value of variables x and y 
int swap(int& x, int& y) 
{ 
    int temp = x; 
    x = y; 
    y = temp; 
} 

// Min Heap Class 
// arr holds reference to an integer  
// array size indicate the number of 
// elements in Min Heap 
class MinHeap { 

    int size; 
    int* arr; 

public: 
    // Constructor to initialize the size and arr 
    MinHeap(int size, int input[]); 

    // Min Heapify function, that assumes that 
    // 2*i+1 and 2*i+2 are min heap and fix the 
    // heap property for i. 
    void heapify(int i); 

    // Build the min heap, by calling heapify 
    // for all non-leaf nodes. 
    void buildHeap(); 
}; 

// Constructor to initialize data 
// members and creating mean heap 
MinHeap::MinHeap(int size, int input[]) 
{ 
    // Initializing arr and size 

    this->size = size; 
    this->arr = input; 

    // Building the Min Heap 
    buildHeap(); 
} 

// Min Heapify function, that assumes 
// 2*i+1 and 2*i+2 are min heap and  
// fix min heap property for i 

void MinHeap::heapify(int i) 
{ 
    // If Leaf Node, Simply return 
    if (i >= size / 2) 
        return; 

    // variable to store the smallest element 
    // index out of i, 2*i+1 and 2*i+2 
    int smallest; 

    // Index of left node 
    int left = 2 * i + 1; 

    // Index of right node 
    int right = 2 * i + 2; 

    // Select minimum from left node and  
    // current node i, and store the minimum 
    // index in smallest variable 
    smallest = arr[left] < arr[i] ? left : i; 

    // If right child exist, compare and 
    // update the smallest variable 
    if (right < size) 
        smallest = arr[right] < arr[smallest] 
                             ? right : smallest; 

    // If Node i violates the min heap  
    // property, swap  current node i with 
    // smallest to fix the min-heap property  
    // and recursively call heapify for node smallest. 
    if (smallest != i) { 
        swap(arr[i], arr[smallest]); 
        heapify(smallest); 
    } 
} 

// Build Min Heap 
void MinHeap::buildHeap() 
{ 
    // Calling Heapify for all non leaf nodes 
    for (int i = size / 2 - 1; i >= 0; i--) { 
        heapify(i); 
    } 
} 

void FirstKelements(int arr[],int size,int k){ 
    // Creating Min Heap for given 
    // array with only k elements 
    MinHeap* m = new MinHeap(k, arr); 

    // Loop For each element in array 
    // after the kth element 
    for (int i = k; i < size; i++) { 

        // if current element is smaller  
        // than minimum element, do nothing  
        // and continue to next element 
        if (arr[0] > arr[i]) 
            continue; 

        // Otherwise Change minimum element to  
        // current element, and call heapify to 
        // restore the heap property 
        else { 
            arr[0] = arr[i]; 
            m->heapify(0); 
        } 
    } 
    // Now min heap contains k maximum 
    // elements, Iterate and print 
    for (int i = 0; i < k; i++) { 
        cout << arr[i] << " "; 
    } 
} 
// Driver Program 
int main() 
{ 

    int arr[] = { 11, 3, 2, 1, 15, 5, 4, 
                           45, 88, 96, 50, 45 }; 

    int size = sizeof(arr) / sizeof(arr[0]); 

    // Size of Min Heap 
    int k = 3; 

    FirstKelements(arr,size,k); 

    return 0; 
} 
// This code is contributed by Ankur Goel

输出：

50 88 96

参考：

http://en.wikipedia.org/wiki/Selection_algorithm

版权属于：月萌API www.moonapi.com，转载请注明出处

本文链接：https://moonapi.com/news/36018.html