前端算法之堆--桶排序和快速排序

本文主要是介绍前端算法之堆--桶排序和快速排序，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

• 前 K 个高频元素
  • 使用API实现
  • 使用桶排序
• 数组中的第K个最大元素
  • 直接使用 javaScript API
  • 使用快速排序
• 扩展：桶排序
  • 例子
• 扩展：快速排序
  • 快速排序的步骤：
  • 快速排序示例：

前 K 个高频元素

leetcode链接：https://leetcode.cn/problems/top-k-frequent-elements/

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

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]

提示：

1 <= nums.length <= 105
k 的取值范围是 [1, 数组中不相同的元素的个数]
题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的

进阶： 你所设计算法的时间复杂度 必须 优于 O(n log n) ，其中 n 是数组大小。

更多详细内容，请微信搜索“前端爱好者“， 戳我 查看 。

使用API实现

/*** @param {number[]} nums* @param {number} k* @return {number[]}*/
var topKFrequent = function(nums, k) {let map = new Map() // 定义一个map类型let arr = [...new Set(nums)] // 获取数组去重后的元素// 一次遍历nums值，把他们出现的频次放在map里面nums.map(num => {if(map.has(num)){map.set(num,map.get(num) + 1)} else {map.set(num,1)}})// 现针对去重元素进行排序return arr.sort((a,b) => {map.get(b) - map.get(a)}).slice(0,k)
};

使用桶排序

桶排序适用 top k中 频次题，计数排序适用 top k中 值的题

/*** @param {number[]} nums* @param {number} k* @return {number[]}*/// 桶排序 原理：1. 将数据滑倒到有限个桶里面，再将桶进行排序
// 用map存储频次,用数组表达桶，频次作为数据下表表达，针对不同的频次的熟悉，聚合
var topKFrequent = function(nums, k) {let map = new Map() // 定义一个map类型 // 一次遍历nums值，把他们出现的频次放在map里面nums.map(num => {if(map.has(num)){map.set(num,map.get(num) + 1)} else {map.set(num,1)}})if(map.size <=k ){return [...map.keys()]}return bucketSort(map,k)
};// 桶排序内容
const bucketSort = (map,k) => {let arr = [] let res = [] //结果// 针对map中每个元素遍历map.forEach((value,key) => {// 可以利用频次作为下标,降数据分配到桶里if(!arr[value]) {arr[value] = [key]} else {arr[value].push(key)} })// 倒序排列for(let i = arr.length -1 ; i >=0 && res.length < k ;i-- ){if(arr[i]){res.push(...arr[i]) }}return res
}

数组中的第K个最大元素

leetcode地址：https://leetcode.cn/problems/kth-largest-element-in-an-array/

给定整数数组 nums 和整数 k，请返回数组中第 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。

你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。

示例 1:

输入: [3,2,1,5,6,4], k = 2
输出: 5

示例 2:

输入: [3,2,3,1,2,4,5,5,6], k = 4
输出: 4

提示：

1 <= k <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4

直接使用 javaScript API

/*** @param {number[]} nums* @param {number} k* @return {number}*/
var findKthLargest = function(nums, k) {nums.sort((a,b) => b-a ).slice(0,k)return nums[k -1]
};

使用快速排序

快速排序：本质是：拆分，分而治之

/*** @param {number[]} nums* @param {number} k* @return {number}*/
var findKthLargest = function(nums, k) {// 快速排序 分而治之// 1. 找到基准值// 1. 比他大的房右边，小的放左边// 3. 按照1 2 步骤继续拆分，直到找到下标// 创建指针，左右两端// 1. 左侧index 大于 右侧指针indexquickSort(nums)return nums[nums.length - k]
};// 快排
let quickSort = (arr) => {quick(arr,0,arr.length -1) // 基准：数组，起始值（开始指针），终止值（结束指针）
}const quick = (arr, left,right)=>{let index;if(left < right){index = partition(arr, left,right)// 左侧小于基准值if(left < index - 1){quick(arr,left,index - 1 )}if(index < right){quick(arr,index,right)}}
}// 找基准值
const partition = (arr, left,right)=>{let datum = arr[Math.floor(Math.random() * (right - left + 1)) + left] // 基准值let i = left // 左侧let j = right // 右侧while ( i <= j){ // 左侧while(arr[i] < datum){i ++ }// 右侧while(arr[j] > datum){j --}if( i <= j ){[arr[i],arr[j]] = [arr[j],arr[i]]  // 注意这里i+=1j-=1}}return i
}

扩展：桶排序

桶排序（Bucket Sort）是一种基于分治思想的排序算法。

它的基本思想是将要排序的数据分到几个有序的桶中，每个桶里的数据再单独进行排序。通常情况下，桶的数量是根据数据的分布情况来决定的。

桶排序的过程可以描述如下：

1. 找出待排序数列中的最大值和最小值。
2. 设置若干个桶，并将数据按照一定的规则放入对应的桶中。
3. 对于每个非空桶，对其中的数进行排序。
4. 将所有桶中的数据依次取出，组成有序数列。

桶排序的时间复杂度为O(n)，但需要额外的空间来存储桶。在数据分布均匀的情况下，桶排序的效率很高，但如果数据分布不均匀，则可能会导致某些桶的大小远远超过其他桶，从而导致效率降低。

桶排序适用于数据范围不大的情况下，且数据分布均匀的情况下效率最高。在实际应用中，桶排序通常被用于外部排序，即当待排序数据无法全部载入内存时，先将数据分割成若干个能够装入内存的部分，对每部分进行排序，最后再将它们合并起来。

例子

下面举一个例子来说明桶排序的过程：

假设有一个待排序的数组[3, 6, 1, 8, 2, 5, 7, 4]，现在我们要使用桶排序对其进行排序，具体步骤如下：

1. 找出待排序数列中的最大值和最小值：最大值为8，最小值为1。
2. 设置若干个桶，并将数据按照一定的规则放入对应的桶中。这里我们可以设置8个桶，每个桶的范围为[min + i * (max - min) / n, min + (i + 1) * (max - min) / n)，其中n为桶的数量，i为桶的编号，min和max分别为待排序数列的最小值和最大值。按照这个规则，可以将待排序数组分到各个桶中，得到如下内容：

• 桶1: [1, 2]
• 桶2: [3, 4]
• 桶3: [5]
• 桶4: [6, 7]
• 桶5: [8]

3. 对于每个非空桶，对其中的数进行排序。这里可以使用插入排序等简单的排序算法对桶中的数据进行排序，得到如下内容：

• 桶1: [1, 2] -> [1, 2]
• 桶2: [3, 4] -> [3, 4]
• 桶3: [5] -> [5]
• 桶4: [6, 7] -> [6, 7]
• 桶5: [8] -> [8]

4. 将所有桶中的数据依次取出，组成有序数列。这里可以先将各个桶中的数据合并起来，得到一个有序的数组，即[1, 2, 3, 4, 5, 6, 7, 8]。

因此，桶排序的时间复杂度为O(n)，但需要额外的空间来存储桶。在数据分布均匀的情况下，桶排序的效率很高，但如果数据分布不均匀，则可能会导致某些桶的大小远远超过其他桶，从而导致效率降低。

扩展：快速排序

快速排序（Quick Sort）是一种常用的排序算法，它通过将一个数组分割成两个子数组来进行排序。具体而言，快速排序选择一个基准元素（pivot），将数组中小于基准元素的元素放在基准元素的左边，大于基准元素的元素放在基准元素的右边，然后递归地对左右两个子数组进行排序。

快速排序的步骤：

1. 选择基准元素（pivot），通常可以选择第一个元素、最后一个元素或者随机选择一个元素作为基准。
2. 将数组划分为两个子数组：一个子数组中的元素都小于等于基准元素，另一个子数组中的元素都大于基准元素。这个过程称为分区（partition），可以使用双指针法实现。
3. 对两个子数组分别进行递归排序，即重复步骤1和步骤2。
4. 递归的基本情况是子数组的长度为0或1，此时可以认为子数组已经有序。
5. 合并所有子数组的结果，得到最终的排序结果。

快速排序示例：

假设有一个待排序的数组[8, 4, 2, 9, 3, 5, 1, 6, 7]，我们使用快速排序对其进行排序，具体步骤如下：

1. 选择基准元素，可以选择第一个元素8。
2. 使用双指针法将数组分为两个子数组：小于等于8的放在左边，大于8的放在右边。经过一次分区后，数组变为[4, 2, 3, 5, 1, 6, 7, 8, 9]，此时基准元素8已经位于正确的位置。
3. 对左侧子数组[4, 2, 3, 5, 1, 6, 7]和右侧子数组[9]分别进行递归排序。
4. 对左侧子数组进行快速排序，选择基准元素4。经过一次分区后，左侧子数组变为[1, 2, 3, 4, 5, 6, 7]，基准元素4位于正确位置。
5. 对右侧子数组[9]进行递归排序，由于长度为1，无需处理。
6. 合并左右子数组的结果，得到最终的排序结果：[1, 2, 3, 4, 5, 6, 7, 8, 9]。

快速排序的平均时间复杂度为O(nlogn)，最坏情况下（当选择的基准元素总是数组中的最大或最小元素）的时间复杂度为O(n^2)。但由于其实现简单、性能优秀，在实际应用中被广泛使用。

这篇关于前端算法之堆--桶排序和快速排序的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---