Question

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 + " ");
        }
    }
 }

Answer 1

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。

Answer 2

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

获取前k股票价格的股票代码数据结构

2 个答案: