利用堆来处理Top K问题
目录
一、什么是Top K问题
二、Top K的实际应用场景
三、Top K的代码实现及其效率对比
1.用堆来实现Top K
2.用快排来实现Top K
3.用堆或用快排来实现 TopK 的效率对比
正文
一、什么是Top K问题?
给一个无序的数组,长度为N, 请输出最小 (或最大)的K个数。
二、Top K的实际应用场景
排行榜:用户数量有几百万, 但是只需要前100名的用户成绩。 要显示出来, 且这个排行榜是实时变化的。
三、Top K的代码实现
需求:给一个无序的数组,长度为N, 请输出最大的5个数。
1. 用堆来实现Top K——PriorityQueue(小顶堆)
(1)步骤梳理:
①创建一个结点个数为 k 的小顶堆;
②当数据量 < k 时,将数据直接放到这个小顶堆中,此时堆的顶结点是最小值;
③当数据量 >= k时,每产生一个新数据都与堆的顶结点进行比较:
如果新数据 > 顶结点数据,则将顶结点删除,将新数据放到堆中,此时堆会进行排序,且维护了堆的总结点数为k;
如果新数据<顶结点数据,则不动。
(2)中心思想:使堆的总结点数维持在 k 个。
(3)代码实现:
@Test
public void getTopKByHeapInsertTopKElement() {
int arrayLength = 10000000 + 10;
int topK = 5; // 准备一个长度为arrayLength的无序数组:
int[] array = A03TopKByQuickSortAndNewArray.getDisorderlyArray(arrayLength); // 准备一个总结点数为topK的小顶堆:
PriorityQueue<Integer> heap = new PriorityQueue<>(topK); long start = System.currentTimeMillis(); // 始终维持一个总结点个数为k的堆:
insertButmaintainTheHeapAtTopK(heap, array, topK); //获得最大topK:
printHeap(heap); long end = System.currentTimeMillis();
System.out.println("获得最大top5总耗时: " + (end - start));
} /**
* 用小顶堆来获取topK:当数据量超过topK后,新产生的数据直接和heap的顶结点进行比较。
*/
private static void insertButmaintainTheHeapAtTopK(PriorityQueue<Integer> heap, int[] array, int topK) {
for (int i = 0; i < array.length; i++) {
if (i < topK) {
heap.add(array[i]);
} else {// 怎么维持堆的总结点个数,下面的代码是关键:
if (null != heap.peek() && array[i] > heap.peek()) {
heap.poll();
heap.add(array[i]);
}
}
}
} /**
* 获取最大TopK
* @param heap
*/
static void printHeap(PriorityQueue<Integer> heap) {
Iterator<Integer> iterator = heap.iterator();
while (iterator.hasNext()) {
System.out.println(iterator.next());
}
}
2. 用快排来实现Top K
(1)步骤梳理:
①通过快排,先将无序数组array进行排序;
②取出最小Top 5,并放到topArray中;【关键】
③超过arrayLength个数据后,又产生了insertNumber个新数据:直接和topArray数组比较,要放也是放到topArray中了;【关键】
(2)时间复杂度:
①排序的时间复杂度:O(N*logN);
②取出top k的时间复杂度:O(1),就是遍历数组。
(3)代码实现:
@Test
public void testGetTopKByQuickSortToNewArray() {
int topK = 5;
int arrayLength = 10000000; //准备一个无序数组
int[] array = getDisorderlyArray(arrayLength); long start = System.currentTimeMillis(); //1.通过快排,先将无序数组array进行排序
quickSort(array, 0, array.length-1); //2.取出最小Top 5,并放到topArray中:
int[] topKArray = insertToTopArrayFromDisorderlyArray(array, topK); //3.超过arrayLength个数据后,又产生了insertNumber个新数据:直接和topArray[topKArray.length-1]比较,要放也是放到topArray中了
insertToTopKArray(topKArray, 10, 100, topKArray.length-1);//生成10个100以内的随机数作为新数据,和topKArray[topKArray.length-1] long end = System.currentTimeMillis();
System.out.println("获得最大top5总耗时: " + (end - start));
} /**
* 产生新的数据后,再和topKArray数组进行比较,看新数据时候需要插入到topKArray中,若需要插入,则堆topKArray进行重新快排。
*
* @param topKArray topK数组
* @param insertNumber 新产生的数据的个数
* @param randomIntRange 在什么范围内产生新数据,如生成10以内的随机数。
* @param topK 在topKArray中,确定要替换的元素的下标。获得最小topK,则topK是从小到大排序的topKArray的最后一个元素。
*/
private static void insertToTopKArray(int[] topKArray, int insertNumber, int randomIntRange, int topK) {
Random random = new Random();
int randomInt;
for(int i = 0; i < insertNumber; i++) {
randomInt = random.nextInt(100);
if(randomInt < topKArray[topK]) {//新数据如果小于topArray[topK],则直接用该数去替换topArray,然后再将topArray进行重新排序。
topKArray[topK] = randomInt;
quickSort(topKArray, 0, topKArray.length-1);
}
}
} /**
* 从有序数组中取出需要的TopK,放到TopK数组中。
*
* @param sourceArray 有序数组
* @param topK 需要获取到Top K
* @return TopK数组
*/
private static int[] insertToTopArrayFromDisorderlyArray(int[] sourceArray, int topK) {
int[] topArray = new int[topK];
for(int i = 0; i < 5; i++) {
topArray[i] = sourceArray[i];
}
return topArray;
} /**
* 快排
* @param target
* @param left
* @param right
*/
static void quickSort(int[] target, int left, int right) {
if (left >= right) {
return;
}
int pivot = target[left];// 基准点
int temp;
int i = left;
int j = right;
while (i < j) {
while (target[j] >= pivot && i < j) {
j--;
}
while (target[i] <= pivot && i < j) {
i++;
}
if (i < j) {
temp = target[i];
target[i] = target[j];
target[j] = temp;
}
}
// left和right相遇了:
// ①将相遇点的元素和pivot做交换:
target[left] = target[j];
target[j] = pivot;
// ②基准点两边的元素的分别再做排序:
quickSort(target, left, j - 1);
quickSort(target, j + 1, right);
} /**
* 准备一个无序数组
*
* @param arrayLength
* @return int[]
*/
static int[] getDisorderlyArray(int arrayLength) {
int[] disorderlyArray = new int[arrayLength];
Random random = new Random();
for (int i = 0; i < arrayLength; i++) {
disorderlyArray[i] = random.nextInt(arrayLength);
}
return disorderlyArray;
} /**
* 遍历数组
*/
static void showArray(int[] target) {
for (Integer element : target) {
System.out.println(element);
}
}
3. 用堆来实现TopK 和 用快排来实现TopK 的效率对比:
“小顶堆” | “快排”
数据量为100万+10时: 11毫秒 | 124毫秒
数据量为1000万+10时: 28毫秒 | 1438毫秒
利用堆来处理Top K问题的更多相关文章
- 优先队列PriorityQueue实现 大小根堆 解决top k 问题
转载:https://www.cnblogs.com/lifegoesonitself/p/3391741.html PriorityQueue是从JDK1.5开始提供的新的数据结构接口,它是一种基于 ...
- Top K问题的两种解决思路
Top K问题在数据分析中非常普遍的一个问题(在面试中也经常被问到),比如: 从20亿个数字的文本中,找出最大的前100个. 解决Top K问题有两种思路, 最直观:小顶堆(大顶堆 -> 最小1 ...
- 优先队列实现 大小根堆 解决top k 问题
摘于:http://my.oschina.net/leejun2005/blog/135085 目录:[ - ] 1.认识 PriorityQueue 2.应用:求 Top K 大/小 的元素 3 ...
- 堆与堆排序、Top k 问题
堆排序与快速排序,归并排序一样都是时间复杂度为O(N*logN)的几种常见排序方法.学习堆排序前,先讲解下什么是数据结构中的二叉堆. 二叉堆的定义 二叉堆是完全二叉树或者是近似完全二叉树. 二叉堆满 ...
- 堆实战(动态数据流求top k大元素,动态数据流求中位数)
动态数据集合中求top k大元素 第1大,第2大 ...第k大 k是这群体里最小的 所以要建立个小顶堆 只需要维护一个大小为k的小顶堆 即可 当来的元素(newCome)> 堆顶元素(small ...
- 经典面试问题: Top K 之 ---- 海量数据找出现次数最多或,不重复的。
作者:林冠宏 / 指尖下的幽灵 掘金:https://juejin.im/user/587f0dfe128fe100570ce2d8 博客:http://www.cnblogs.com/linguan ...
- [LeetCode] Top K Frequent Words 前K个高频词
Given a non-empty list of words, return the k most frequent elements. Your answer should be sorted b ...
- 程序员编程艺术:第三章续、Top K算法问题的实现
程序员编程艺术:第三章续.Top K算法问题的实现 作者:July,zhouzhenren,yansha. 致谢:微软100题实现组,狂想曲创作组. 时间:2011年05月08日 ...
- 海量数据处理 - 10亿个数中找出最大的10000个数(top K问题)
前两天面试3面学长问我的这个问题(想说TEG的3个面试学长都是好和蔼,希望能完成最后一面,各方面原因造成我无比想去鹅场的心已经按捺不住了),这个问题还是建立最小堆比较好一些. 先拿10000个数建堆, ...
随机推荐
- Redis(二)数据结构与键管理
一.基础知识 1.全局命令 keys * :查看所有键 dbsize:返回当前数据库中键的总数 exists key:检查键是否存在 del key ... :删除键 expire key sec ...
- WordCloud安装
1,下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud 2,安装 (window环境安装) 找的下载文件的路径 安装 1 pip inst ...
- node 短信接口的调用
首先安装一下 短信的sdk 依赖 这里使用的是阿里云的短信SDK,在阿里云官网申请 npm install @alicloud/sms-sdk --save 调用 新建个 message.js /** ...
- redis 基本类型和命令(一)
一.Redis支持五种数据类型:string(字符串),hash(哈希),list(列表),set(集合)及zset(sorted set:有序集合). (1) string类型是Redis最基本的数 ...
- python基础-字符串(str)类型及内置方法
字符串-str 用途:多用于记录描述性的内容 定义方法: # 可用'','''''',"","""""" 都可以用于定义 ...
- Redis的使用--基本数据类型的操作命令和应用场景
echo编辑整理,欢迎转载,转载请声明文章来源.欢迎添加echo微信(微信号:t2421499075)交流学习. 百战不败,依不自称常胜,百败不颓,依能奋力前行.--这才是真正的堪称强大!!! Red ...
- 基于node的前端项目代码包发布至nexus
目录 目录... 3 1. 前言... 1 2. 配置... 1 2.1. 配置angular.json文件... 1 2.2. 配置package.json文件... 1 2.3. 复制git地址. ...
- NOIP模拟 1
NOIP模拟1,到现在时间已经比较长了.. 那天是6.14,今天7.18了 //然鹅我看着最前边缺失的模拟1,还是终于忍不住把它补上,为了保持顺序2345重新发布了一遍.. # 用 户 名 ...
- NOIP模拟 5
考试的时候相当浮躁,而且脑子并不工作 T1看了几眼,觉得没思路,先skip T2一打眼,满足条件的最大值,二分!(然后就死了,根本没想有没有单调性) T3找了半天规律,一开始自己手模的K3都过不了样例 ...
- Vue组件间通信方式到底有几种
1. 前言 Vue的一个核心思想就是组件化.所谓组件化,就是把页面拆分成多个组件 (component),每个组件依赖的 CSS.JavaScript.模板.图片等资源放在一起开发和维护.组件是资源独 ...