本文共 2464 字,大约阅读时间需要 8 分钟。
(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方法一:排序
将每个点到原点的欧几里得距离的平方从小到大排序后,取出前K个即可。class Solution { public int[][] kClosest(int[][] points, int K) { Arrays.sort(points, new Comparator() { public int compare(int[] point1, int[] point2) { return (point1[0] * point1[0] + point1[1] * point1[1]) - (point2[0] * point2[0] + point2[1] * point2[1]); } }); return Arrays.copyOfRange(points, 0, K); }}
复杂度分析:
时间复杂度:O(nlogn) 空间复杂度:O(logn)方法二:优先队列
使用一个优先队列实时维护前K个最小的距离平方。 首先我们将前 KK 个点的编号(为了方便最后直接得到答案)以及对应的距离平方放入优先队列中,随后从第 K+1K+1 个点开始遍历:如果当前点的距离平方比堆顶的点的距离平方要小,就把堆顶的点弹出,再插入当前的点。当遍历完成后,所有在优先队列中的点就是前 KK 个距离最小的点。class Solution { public int[][] kClosest(int[][] points, int K) { //方法一:排序 // Arrays.sort(points, new Comparator(){ // public int compare(int[] point1,int[] point2){ // return (point1[0] * point1[0] + point1[1] * point1[1]) - (point2[0] * point2[0] + point2[1] * point2[1]); // } // }); // return Arrays.copyOfRange(points, 0, K); //方法二:优先队列 PriorityQueue pq = new PriorityQueue (new Comparator (){ public int compare(int[] array1,int[] array2){ return array2[0] - array1[0]; } }); for(int i = 0; i < K; ++i){ pq.offer(new int[]{ points[i][0] * points[i][0] + points[i][1] * points[i][1], i}); } int n = points.length; for(int i = K; i < n; ++i){ int dist = points[i][0] * points[i][0] + points[i][1] * points[i][1]; if(dist < pq.peek()[0]){ pq.poll(); pq.offer(new int[]{ dist, i}); } } int[][] ans = new int[K][2]; for(int i = 0; i < K; ++i){ ans[i] = points[pq.poll()[1]]; } return ans; }}
复杂度分析:
时间复杂度:O(nlogK) 空间复杂度:O(K)转载地址:http://mwwzi.baihongyu.com/