前端算法之堆--桶排序和快速排序

2024-01-06 22:36
文章标签 算法 快速 排序 前端 frontend 之堆

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]
  1. 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]
  1. 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！


http://www.chinasem.cn/article/577844。

相关文章

Vue和React受控组件的区别小结

Vue和React受控组件的区别小结

《Vue和React受控组件的区别小结》本文主要介绍了Vue和React受控组件的区别小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录背景React 的实现vue3 的实现写法一：直接修改事件参数写法二：通过ref引用 DOMVu
阅读更多...
Java实现将HTML文件与字符串转换为图片

Java实现将HTML文件与字符串转换为图片

《Java实现将HTML文件与字符串转换为图片》在Java开发中,我们经常会遇到将HTML内容转换为图片的需求,本文小编就来和大家详细讲讲如何使用FreeSpire.DocforJava库来实现这一功... 目录前言核心实现：html 转图片完整代码场景 1：转换本地 HTML 文件为图片场景 2：转换 H
阅读更多...
C#使用Spire.Doc for .NET实现HTML转Word的高效方案

C#使用Spire.Doc for .NET实现HTML转Word的高效方案

《C#使用Spire.Docfor.NET实现HTML转Word的高效方案》在Web开发中,HTML内容的生成与处理是高频需求,然而,当用户需要将HTML页面或动态生成的HTML字符串转换为Wor... 目录引言一、html转Word的典型场景与挑战二、用 Spire.Doc 实现 HTML 转 Word1
阅读更多...
Vue3绑定props默认值问题

Vue3绑定props默认值问题

《Vue3绑定props默认值问题》使用Vue3的defineProps配合TypeScript的interface定义props类型,并通过withDefaults设置默认值,使组件能安全访问传入的... 目录前言步骤步骤1：使用 defineProps 定义 Props步骤2：设置默认值总结前言使用T
阅读更多...
Python多线程实现大文件快速下载的代码实现

Python多线程实现大文件快速下载的代码实现

《Python多线程实现大文件快速下载的代码实现》在互联网时代,文件下载是日常操作之一,尤其是大文件,然而,网络条件不稳定或带宽有限时,下载速度会变得很慢,本文将介绍如何使用Python实现多线程下载... 目录引言一、多线程下载原理二、python实现多线程下载代码说明：三、实战案例四、注意事项五、总结引
阅读更多...
C#使用Spire.XLS快速生成多表格Excel文件

C#使用Spire.XLS快速生成多表格Excel文件

《C#使用Spire.XLS快速生成多表格Excel文件》在日常开发中,我们经常需要将业务数据导出为结构清晰的Excel文件,本文将手把手教你使用Spire.XLS这个强大的.NET组件,只需几行C#... 目录一、Spire.XLS核心优势清单1.1 性能碾压：从3秒到0.5秒的质变1.2 批量操作的优雅
阅读更多...
Mybatis-Plus 3.5.12 分页拦截器消失的问题及快速解决方法

Mybatis-Plus 3.5.12 分页拦截器消失的问题及快速解决方法

《Mybatis-Plus3.5.12分页拦截器消失的问题及快速解决方法》作为Java开发者,我们都爱用Mybatis-Plus简化CRUD操作,尤其是它的分页功能,几行代码就能搞定复杂的分页查询... 目录一、问题场景：分页拦截器突然 “失踪”二、问题根源：依赖拆分惹的祸三、解决办法：添加扩展依赖四、分页
阅读更多...
c++日志库log4cplus快速入门小结

c++日志库log4cplus快速入门小结

《c++日志库log4cplus快速入门小结》文章浏览阅读1.1w次，点赞9次，收藏44次。本文介绍Log4cplus，一种适用于C++的线程安全日志记录API，提供灵活的日志管理和配置控制。文章涵盖... 目录简介日志等级配置文件使用关于初始化使用示例总结参考资料简介log4j 用于Java，log4c
阅读更多...
C++归并排序代码实现示例代码

C++归并排序代码实现示例代码

《C++归并排序代码实现示例代码》归并排序将待排序数组分成两个子数组,分别对这两个子数组进行排序,然后将排序好的子数组合并,得到排序后的数组,：本文主要介绍C++归并排序代码实现的相关资料,需要的... 目录1 算法核心思想2 代码实现3 算法时间复杂度1 算法核心思想归并排序是一种高效的排序方式，需要用
阅读更多...
基于Python Playwright进行前端性能测试的脚本实现

基于Python Playwright进行前端性能测试的脚本实现

《基于PythonPlaywright进行前端性能测试的脚本实现》在当今Web应用开发中,性能优化是提升用户体验的关键因素之一,本文将介绍如何使用Playwright构建一个自动化性能测试工具,希望... 目录引言工具概述整体架构核心实现解析1. 浏览器初始化2. 性能数据收集3. 资源分析4. 关键性能指
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2