【Min-Heap】
我们有一个由平面上的点组成的列表 points。需要从中找出 K 个距离原点 (0, 0) 最近的点。
(这里,平面上两点之间的距离是欧几里德距离。)
你可以按任何顺序返回答案。除了点坐标的顺序之外,答案确保是唯一的。
示例 1:
输入:points = [[1,3],[-2,2]], K = 1
输出:[[-2,2]]
解释:
(1, 3) 和原点之间的距离为 sqrt(10),
(-2, 2) 和原点之间的距离为 sqrt(8),
由于 sqrt(8) < sqrt(10),(-2, 2) 离原点更近。
我们只需要距离原点最近的 K = 1 个点,所以答案就是 [[-2,2]]。
示例 2:
输入:points = [[3,3],[5,-1],[-2,4]], K = 2
输出:[[3,3],[-2,4]]
(答案 [[-2,4],[3,3]] 也会被接受。)
提示:
1 <= K <= points.length <= 10000
-10000 < points[i][0] < 10000
-10000 < points[i][1] < 10000
class Solution {
class Node{
int distance;
int index;
public Node(int d, int i) {
this.distance = d;
this.index = i;
}
}
public int[][] kClosest(int[][] points, int K) {
int numbers = points.length;
Queue<Node> priorityQueue = new PriorityQueue<Node>(numbers, new Comparator<Node>() {
public int compare(Node I1, Node I2) {
return I1.distance - I2.distance;
}
});
for (int i = 0; i < numbers; i++) {
priorityQueue.add(new Node(points[i][0]*points[i][0] + points[i][1]*points[i][1], i));
}
int index = 0;
int[][] result = new int[K][2];
for (int i = 0; i < K; i++) {
index = priorityQueue.poll().index;
result[i][0] = points[index][0];
result[i][1] = points[index][1];
}
return result;
}
}
转换后加入优先队列,只需一遍O(n+k),但是调用原装库费时,自己写(array-based min-heap)的话会更快一些。
class Solution {
public int[][] kClosest(int[][] points, int K) {
int[][] ans = new int[K][2];
int[] dist = new int[points.length];
for(int i=0; i< points.length; i++)
dist[i] = getDistance(points[i]);
Arrays.sort(dist);
int distK = dist[K-1];
int t = 0;
for(int i=0;i<points.length;i++){
if(getDistance(points[i]) <= distK)
ans[t++] = points[i];
}
return ans;
}
private static int getDistance(int[] p){
return p[0] * p[0] + p[1] * p[1];
}
}
先转换为距离,再存储+遍历 O(n)