快速排序求解
這種演算法利用了快速排序的主要思想：每次呼叫快速排序的partition函式後將會得出乙個數n的最終位置，比較n及其右邊所有數的總個數與目標個數k
若大於k，則對數n右邊的數構成的陣列呼叫partition函式；
若等於k，則說明n及其右邊的數就是我們想要得到的那k個數，排序結束；
若小於k，這說明最終的k個數中還包含了n左邊的數，對n左邊的數構成的陣列呼叫partition函式。
import numpy as np
defqselect
(a, k):if
len(a)
< k:
return a
pivot = a[-1
] tmp = a[:-
1][a[:-1
]>=
[pivot]
] right = np.insert(tmp,
0, pivot)
try:
rlen =
len(right)
except
: rlen =
1if rlen == k:
return right
if rlen > k:
return qselect(right, k)
else
: left =
[x for x in a[:-
1]if x < pivot]
, right)
l = np.random.randint(0,
10000
, size=
10000
)k =
100qselect(l, k)
堆排序這種演算法的大致思路為：首先初始化乙個大小為k的小根堆，然後遍歷陣列，每遍歷乙個數就將其與堆的根節點相比較，若比根節點大，則將其與根節點交換變更新堆結構。當陣列遍歷完成時堆中儲存的就是我們想要的結果。
pyhton**：
import numpy as np
defsift
(l, low, hight)
:# 調整堆結構
tmp = l[low]
i = low
j =2* i +
1while j <= hight:
# 情況2：i已經是最後一層
if j +
1<= hight and l[j +1]
< l[j]
:# 右孩子存在並且小於左孩子
j +=
1if tmp > l[j]
: l[i]
= l[j]
i = j
j =2* i +
1else
:break
# 情況1：j位置比tmp小
l[i]
= tmp
deftop_k
(l, k)
: heap = l[
:k]# 建堆
for i in
range
(k //2-
1,-1
,-1)
: sift(heap, i, k -1)
for i in
range
(k,len
(l))
:if l[i]
> heap[0]
: heap[0]
= l[i]
sift(heap,
0, k -1)
for i in
range
(k -1,
-1,-
1): heap[0]
, heap[i]
= heap[i]
, heap[0]
sift(heap,
0, i -1)
return heap
l = np.random.randint(0,
10000
, size=
10000
)k =
100top_k(l, k)
兩種演算法直觀比較：
縱座標為耗時，橫座標為初始序列長度，數值取值範圍為[0,999999999]，k(即最終篩選出的數值個數)為100，
堆排序與topK問題
找出乙個有10億數字陣列中，前k個最大值 第一步 hash去重 解法1 劃分法 def partition l,left,right low left if left right key l left high right while low high while low high and l hi...
堆排序 TOPK問題 C
現在有n個數，設計演算法得到前k大的數。k 首先從原列表擷取前k個元素，組成乙個新列表。然後將這個新列表構建成乙個小根堆，那麼根就新列表中最小的數。接著繼續從原列表取出k以後的元素，和小根堆根比對，如果比根小，那麼肯定不屬於前k大的數，如果比根大，替換根，然後做一次向下調整，根重新變成新列表最小的數...
演算法基礎 二 topK問題 堆排序應用
package algorithm topk問題 例如，有1億個浮點數，如何找出其中最大的10000個？運用堆排序解決top k問題 top k問題就是在一堆資料中選擇前k大 前k小 的資料。做法有許多，可以先把所有資料排序，然後選前k個。然後用堆排序解決top k問題則不用先全部排序，只需維護乙個...