【剑指offer】面试题40：最小的 k 个数

向右看齐 2022-03-27 12:24 233阅读 0赞

> **题目：输入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。**

牛客网链接：[https://www.nowcoder.com/questionTerminal/6a296eb82cf844ca8539b57c23e6e9bf][https_www.nowcoder.com_questionTerminal_6a296eb82cf844ca8539b57c23e6e9bf]

这道题最简单的思路莫过于把输入的 n 个整数排序，排序之后位于最前面的 k 个数就是最小的 k 个数。这种思路的时间复杂度是O(nlogn），面试官会提示我们还有更快的算法。

## 解法一：时间复杂度为 O(nlogk) 的算法，特别适合处理海量数据。 ##

我们可以先创建一个大小为 k 的数据容器来存储最小的 k 个数字，接下来我们每次从输入的n个整数中读入一个数。如果容器中已有数字少于k个，则直接把这次读入的整数放入容器中；如果容器中已有k个数字了，也就是容器已满，此时我们不能再插入新的数字了而只能替换已有的数字。找出这已有的 k 个数中的最大值，然后拿这次待插入的整数和最大值进行比较。如果待插入的值比当前已有的最小值小，则用这个数替换当前已有的最大值；如果待插入的值比当前已有的最大值还大，那么这个数不可能是最小的 k 个整数之一，于是我们可以抛弃这个整数。

因此当容器满了之后，我们要做3件事：

一是：在k个整数中找到最大数；

二是：有可能在这个容器中删除最大数；

三是：有可能要插入一个新的数字。

如果用一个二叉树来实现这个容器，那么我们能在O(logk）时间内实现这三步操作。因此对于n个输入的数字而言，总的时间效率是O(nlogk).

我们可以选择用不同的二叉树来实现这个数据容器。由于每次都需要找到 k 个整数中的最大数字，我们很容易想到用最大堆。在最大堆中，根节点的值总是大于它的子树中的任意结点的值。于是我们每次可以在O(1）得到已有的 k 个数字中的最大值，但需要 O(logk) 时间完成删除及插入操作。

package com.zju.offer.arrays;
    
    import java.util.ArrayList;
    import java.util.Comparator;
    import java.util.PriorityQueue;
    
    /**
     * 输入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。
     */
    public class FindMinKNum {
    
    	public ArrayList<Integer> getLeastNumbers(int[] input, int k){
    		// 将结果result封装到ArrayList集合中
    		ArrayList<Integer> result = new ArrayList<Integer>();
    		int len = input.length;
    		if(k > len || k == 0){
    			return result;
    		}
    		
    		// 用优先级队列来实现最大堆：最大堆在堆顶元素是堆中最大值，k为堆的大小
    		PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(k, new Comparator<Integer>(){
    
    			@Override
    			public int compare(Integer o1, Integer o2) {
    				return o2.compareTo(o1);
    			}
    		});
    
    		for (int i = 0; i < len; i++) {
    			if(maxHeap.size() != k){
    				// 如果堆中的元素小于k，则直接将当前元素插入
    				maxHeap.offer(input[i]);
    			}else if(maxHeap.peek() > input[i]){
    				// 当堆中元素的个数等于k && 堆顶元素大于输入的元素值时
    				// 将堆顶元素删除，将新输入的元素插入
    				Integer temp = maxHeap.poll();
    				temp = null;   // 释放资源
    				maxHeap.offer(input[i]);
    			}
    		}
    		
    		// 将最大堆中的k个元素加入到result结果集合中
    		for(Integer integer : maxHeap){
    			result.add(integer);
    		}
    		return result;
    	}
    }

虽然这种方法要比第二种慢一点，但是有两个明显的优点：

1、没有修改输入数据的顺序；

2、适合海量数据的输入。假设题目是从海量数据中查找出最小的 k 个数字，由于内存的大小是有限的，有可能不能把这些海量数据一次性全部载入内存。这个时候，我们可以从辅助空间（比如：硬盘）中每次读入一个数字，再判断是否要放入到容器中。

## 解法二：时间复杂度为O(n)的算法，只有当我们可以修改输入的数组时可用 ##

我们同样可以基于 Partition 函数来解决这个问题。如果基于数组的第 k 个数字来调整，使得比第 k 个数字小的所有数字都位于数组的左边，比第 k 个数字大的所有数字都位于数组的右边。这样调整之后，位于数组中左边的 k 个数字就是最小的 k 个数字。

package com.zju.offer.arrays;
    
    import java.util.ArrayList;
    import java.util.Arrays;
    
    /**
     * 输入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。
     */
    public class FindMinKNum_Method2 {
    
    	public ArrayList<Integer> getLeastNumbers(int[] input, int k){
    		ArrayList<Integer> result = new ArrayList<Integer>();
    
    		if(input.length == 0 || k == 0 || k > input.length){
    			return result;
    		}
    		
    		int start = 0;
    		int end = input.length - 1;
    		int index = partition(input, start, end);
    		while(index != k - 1){
    			if(index > k -1){
    				end = index - 1;
    				index = partition(input, start, end);
    			}else{
    				start = index + 1;
    				index = partition(input, start, end);
    			}
    		}
    		
    		for (int i = 0; i < k; i++) {
    			result.add(input[i]);
    		}
    		return result;
    	}
    
    	private int partition(int[] arr, int left, int right) {
    		int result = arr[left];
    		if(left > right){
    			return 0;
    		}
    		
    		while(left < right){
    			while(left < right && arr[right] >= result){
    				right--;
    			}
    			arr[left] = arr[right];
    			
    			while(left < right && arr[left] < result){
    				left++;
    			}
    			arr[right] = arr[left];
    		}
    		arr[left] = result;
    		return result;
    	}
    	
    	// 测试
    	public static void main(String[] args) {
    		
    		FindMinKNum_Method2 fk = new FindMinKNum_Method2();
    		int[] arr = {4,5,1,6,7,3,8};
    		ArrayList<Integer> result = fk.getLeastNumbers(arr, 10);
    		System.out.println(Arrays.toString(result.toArray()));
    	}
    }

可以看到我们可以在很多地方都能用到：partition函数，其时间复杂度为O(n)的算法得到数组中任意第 k 大的数字。

![20190113185609729.png][]

[https_www.nowcoder.com_questionTerminal_6a296eb82cf844ca8539b57c23e6e9bf]: https://www.nowcoder.com/questionTerminal/6a296eb82cf844ca8539b57c23e6e9bf
[20190113185609729.png]: /images/20220327/9ce745f57ca745b0a9365025ef2eb942.png