记力扣1471.数组中的k个最强值 练习理解

给你一个整数数组 arr 和一个整数 k

m 为数组的中位数,只要满足下述两个前提之一,就可以判定 arr[i] 的值比 arr[j] 的值更强:

  • |arr[i] - m| > |arr[j] - m|
  • |arr[i] - m| == |arr[j] - m|,且 arr[i] > arr[j]

请返回由数组中最强的 k 个值组成的列表。答案可以以 任意顺序 返回。

中位数 是一个有序整数列表中处于中间位置的值。形式上,如果列表的长度为 n ,那么中位数就是该有序列表(下标从 0 开始)中位于 ((n - 1) / 2) 的元素。

  • 例如 arr = [6, -3, 7, 2, 11]n = 5:数组排序后得到 arr = [-3, 2, 6, 7, 11] ,数组的中间位置为 m = ((5 - 1) / 2) = 2 ,中位数 arr[m] 的值为 6
  • 例如 arr = [-7, 22, 17, 3]n = 4:数组排序后得到 arr = [-7, 3, 17, 22] ,数组的中间位置为 m = ((4 - 1) / 2) = 1 ,中位数 arr[m] 的值为 3
    示例 1:
复制代码
输入:arr = [1,2,3,4,5], k = 2
输出:[5,1]
解释:中位数为 3,按从强到弱顺序排序后,数组变为 [5,1,4,2,3]。最强的两个元素是 [5, 1]。[1, 5] 也是正确答案。
注意,尽管 |5 - 3| == |1 - 3| ,但是 5 比 1 更强,因为 5 > 1 。

示例 2:

复制代码
输入:arr = [1,1,3,5,5], k = 2
输出:[5,5]
解释:中位数为 3, 按从强到弱顺序排序后,数组变为 [5,5,1,1,3]。最强的两个元素是 [5, 5]。

示例 3:

复制代码
输入:arr = [6,7,11,7,6,8], k = 5
输出:[11,8,6,6,7]
解释:中位数为 7, 按从强到弱顺序排序后,数组变为 [11,8,6,6,7,7]。
[11,8,6,6,7] 的任何排列都是正确答案。

思路:

因为他要输出k个最强值,而且根据判断方法,可以得出这个最强值只能存在排序后的两端,又因为只需要输出K个,先建立一个长度为k的空列表,为后续好存放结果,因为最后输出的是列表。

python 复制代码
class Solution:
    def getStrongest(self,arr:List[int],k:int)->List[int]:
        n=len(arr)
        ans=[]
        new_list=sorted(arr)
        mid=(n-1)//2
        left,right=0,n-1
        mid_num=new_list[mid]
        for i in range(k):
            if abs(new_list[left]-mid_num)>abs(new_list[right]-mid_num):
                ans.append(new_list[left])
                left+=1
            else:
                ans.append(new_list[right])
                right-=1
        return ans
                
            

难点:

  1. 中位数定义易偏差 :题目强制以排序数组索引 (n-1)//2 的元素为中位数,而非统计学奇偶分治逻辑,易误用常规中位数计算导致基准错误。
  2. 强度规则优先级易遗漏:需严格遵循 "绝对值大则强,绝对值相等则数值大的强",易忽略第二优先级,错误选择数值更小的元素。
  3. 双指针逻辑易出错:易出现同时移动左右指针、循环次数不匹配 k、指针越界等问题,需保证每次仅移动选中元素的指针,循环严格执行 k 次。
  4. 强度最大判断:根据判断方法可以得出最强值肯定在两端,所以我们考虑到用双指针进行判断哪个更加强大,这样做相对方便。
相关推荐
scx_link4 分钟前
线性回归的总结:
算法·机器学习·线性回归
郝亚军5 分钟前
IEEE 754 单精度浮点的SEM表示
开发语言·c++·算法
青山师9 分钟前
动态规划算法深度解析:从状态转移方程到工业级优化
数据结构·算法·面试·动态规划·代理模式·java面试
DeniuHe19 分钟前
sklearn 中所有交叉验证数据集划分方式完整总结
人工智能·python·sklearn
DeniuHe23 分钟前
sklearn中不同交叉验证方法的场景适配
人工智能·python·sklearn
小新同学^O^25 分钟前
简单学习 --> 指令微调
人工智能·学习·llm·指令微调
風清掦30 分钟前
【STM32学习笔记-14】WDG看门狗 - 14.2 WWDG窗口看门狗
笔记·stm32·单片机·嵌入式硬件·学习·fpga开发
黎阳之光32 分钟前
数智透明·安全兜底|黎阳之光透明矿山,AI+数字孪生守护矿山生命线
人工智能·物联网·算法·安全·数字孪生
吴可可12341 分钟前
控制弦高精度的样条离散化方法
算法
隐于花海,等待花开1 小时前
16.Python 常用第三方库概览 深度解析
python