1

写在前面

今天的小李的目标是排序算法,果然还是要下手写才会更有体会,也更记得住。

认真做题的分割线

第一题

215. 数组中的第K个最大元素
难度:中等
在未排序的数组中找到第k个最大的元素。请注意,你需要找的是数组排序后的第k个最大的元素,而不是第k个不同的元素。
示例 1:

输入: [3,2,1,5,6,4] 和 k = 2
输出: 5

示例 2:

输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4

说明:
你可以假设 k 总是有效的,且 1 ≤ k ≤ 数组的长度。


我的题解:

    def findKthLargest(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: int
        """
        num = quicksort(nums,0,len(nums)-1)
        return num[len(nums)-k]
    
def quicksort(v,start,end):
    if start < end:
        i,j = start,end
        base  = v[i]
        while i < j:
            while i < j and v[j] >= base:
                j -= 1
            v[i] = v[j]
            while i < j and v[i] < base:
                i +=1
            v[j] = v[i]
        v[i] = base
        quicksort(v,start,i-1)
        quicksort(v,j+1,end)
    return v

clipboard.png

我的思路:
通过快速排序算法,对数据进行排序后,找到对应的值.
排序算法:
快排的主体思路是,找到对应的标杆值,然后对标杆值两侧进行划分,然后分而治之,对两侧再进行递归的切分标杆值.
所以常见的是递归的思路.
之前看《算法图解》的代码,今晚尝试了下:

def quicksort(array):
    if len(array) < 2:
        return array
    temp = array[0]
    less = [ i for i in array[1:] if i <= temp]
    greater = [i for i in array[1:] if i > temp]
    return quicksort(less) + temp + quicksort(greater)

比较能够明显的显示快排的思路,但是这个效率并不高,因为每次递归都需要对两侧的数组进行一次硬性排序。
且return 不支持不同类型(list和int)一起。
优化后,我们采用的方式是加入了start和end的参数,依然是对标杆值两侧进行划分,但是会减少排序重复量,降低了复杂度。

第二题

215. 数组中的第K个最大元素
难度:中等
给定一个非空的整数数组,返回其中出现频率前k高的元素。

示例 1:

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

示例 2:

输入: nums = [1], k = 1
输出: [1]

说明:
你可以假设给定的k总是合理的,且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于O(n log n), n 是数组的大小。


我的题解:

class Solution(object):
    def topKFrequent(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        l = dict()
        res = []
        for i in nums:
            if i in l:
                l[i] += 1
            else:
                l[i] = 1
        items = list(l.items())
        items.sort(key = lambda x:x[1],reverse = True)
        for i in range(k):
            res.append(items[i][0])
        return res

clipboard.png

我的思路:
这题按正常题解,应该使用桶排序
我用的方案是用hash表记录对应的值,然后将hash表转成二维list,并对二级域进行排序。
然后输出对应值。
其他:
这题要再尝试下桶排序的方式,主要是对sort()函数参数有了新的认识。

sorted(iterable[, cmp[, key[, reverse]]])
  • iterable指定要排序的list或者iterable
  • cmp为函数,指定排序时进行比较的函数,可以指定一个函数或者lambda函数
  • key为函数,指定取待排序元素的哪一项进行排序,用于指定哪一个域
第三题

215. 数组中的第K个最大元素
难度:中等
给定一组非负整数,重新排列它们的顺序使之组成一个最大的整数。

示例 1:

输入: [10,2]
输出: 210

示例 2:

输入: [3,30,34,5,9]
输出: 9534330

说明: 输出结果可能非常大,所以你需要返回一个字符串而不是整数。


我的题解:

class Solution(object):
    def largestNumber(self, nums):
        """
        :type nums: List[int]
        :rtype: str
        """
        l = len(nums)
        i = l
        #比较a+b 和 b+a
        while i > 0:
            for j in range(i-1):
                a = nums[j]
                b = nums[j+1]
                ab = int(str(a)+str(b))
                ba = int(str(b)+str(a))
                if ab < ba:
                    nums[j],nums[j+1] = nums[j+1],nums[j]
            i -=1
        res= ""
        for n in nums:
            if res == "" and n == 0:
                continue
            res += str(n)
        if res == "":
            return "0"
        return res

clipboard.png

我的思路:
这题参考了小佳扬的写法,主要是使用了冒泡排序
但属于自定义的冒泡排序,每次都比对字符串前后排序不同时得出的结果哪个更大,会获得的更大值需要放在更前,相反则放后。

排序算法:
冒泡排序主要是比对相邻两个数之间的大小关系,不断将较大值交换至最后。

总结

明天要继续攻略排序算法。
纸上得来终觉浅,绝知此事要躬行。


林奈木
35 声望7 粉丝

深水静流。