我正在练习一些面试问题,而我遇到的一个是股票代码数据结构问题。
鉴于股票价格流编写了支持以下操作的数据结构:
1. StockSticker(int k) : Initialize the size of the ticker.
2. void addOrUpdate(String stock, double price) : Add or update a stock.
3. List<Stock> top(int k) : Get top k stocks.
我的想法是将HashMap与快速选择算法结合使用,以获得top(k)函数的平均情况O(n)复杂度。在处理价值流时,这是否是一种有效的解决方案,还是有更好的方法?我唯一的另一个想法是使用堆,但我不知道如何以比O(n)更好的方式操纵它。
这是我的解决方案:
public class StockTicker {
public class Stock{
String sym;
double price;
public Stock(String s, double val){
this.sym = s;
this.price = val;
}
}
HashMap<String,Stock> st;
HashMap<String,Integer> ind;
int unique;
int max;
Stock[] stocks;
public StockTicker(int k){
this.unique = 0;
this.max = k;
this.st = new HashMap<String, Stock>();
this.ind = new HashMap<String, Integer>();
this.stocks = new Stock[k];
}
public void addOrUpdate(String sym, double price){
if(!st.containsKey(sym)){
Stock stock = new Stock(sym,price);
st.put(sym, stock);
ind.put(sym, unique);
stocks[unique++] = stock;
}
else{
Stock update = st.get(sym);
update.price = price;
}
}
public List<Stock> top(int k){
List<Stock> res = new ArrayList<Stock>();
Stock[] temp = new Stock[max];
for(int i = 0; i < temp.length; i++){
temp[i] = new Stock(stocks[i].sym, stocks[i].price);
}
int top = quickselect(temp, 0, temp.length-1, k);
for(int i = 0; i <= top; i++){
res.add(temp[i]);
}
return res;
}
public int quickselect(Stock[] stocks, int left, int right, int kth){
if(left == right){
return left;
}
int split = partition(stocks, left,right);
if(kth-1 == split){ return split;}
else if(kth-1 > split){ return quickselect(stocks,split + 1, right, kth);}
else { return quickselect(stocks, left , split-1, kth);}
}
public int partition(Stock[] stocks, int left, int right){
int lastIndex = right;
double pivot = stocks[lastIndex].price;
while(left <= right){
while( left <= right && stocks[left].price > pivot ){
left++;
}
while( left <= right && stocks[right].price <= pivot){
right--;
}
if(left <= right && stocks[left].price <= pivot && stocks[right].price > pivot){
swap(stocks,left,right);
}
}
swap(stocks,left,lastIndex);
return left;
}
public void swap(Stock[] stocks, int x, int y){
Stock eleX = stocks[x];
Stock eleY = stocks[y];
stocks[x] = eleY;
stocks[y] = eleX;
}
public Stock getStock(String sym){
return st.get(sym);
}
public static void main(String[] args){
StockTicker ticker = new StockTicker(10);
ticker.addOrUpdate("A", 10.00);
ticker.addOrUpdate("B", 1.00);
ticker.addOrUpdate("C", 9.00);
ticker.addOrUpdate("D", 2.00);
ticker.addOrUpdate("E", 8.00);
ticker.addOrUpdate("F", 3.00);
ticker.addOrUpdate("G", 7.00);
ticker.addOrUpdate("H", 4.00);
ticker.addOrUpdate("I", 6.00);
ticker.addOrUpdate("J", 5.00);
List<Stock> topStocks = ticker.top(5);
for(Stock s: topStocks){
System.out.print(s.sym + ": " + s.price + " ");
}
}
}
答案 0 :(得分:0)
对于小型k
,您可以做得更好:您可以维护优先级队列,弹出最多k
次并将这些元素添加回队列以回答最高k
查询O(k log n)
时间。
实际上,您可以在O(k + log N)
时间内回答每个查询k
的任何值,但是需要实现自定义平衡二叉搜索树(使用自定义树,您只需要拆分它由k
- 位置),但实施起来可能相当繁琐。
答案 1 :(得分:0)
我认为这是一个典型的Priority Queue用例,您只需要在新价格到来时处理逻辑,并且您需要更改已经在队列中的股票价格。
这是来自官方doc的python解决方案: https://docs.python.org/2/library/heapq.html#priority-queue-implementation-notes
或索引优先级队列的Java实现正是您所需要的: https://algs4.cs.princeton.edu/24pq/IndexMinPQ.java.html