在文件中查找前n个数字

Question

我试图找到一个算法，在包含数千个数字的文件中找到前n个数字。 在此之前，我检查了在数组中找到前n个数字，但无法得到具体的解决方案。 排序是一个明显的选择，但还有其他方法吗？也许相同的逻辑可以应用于文件

Answer 1

如果f是文件中的数字，而n是您需要提取的数字，则可以在O(n + f lg n)（实际为O(f lg n)中执行此操作}，如n <= f）如下：

• 在文件中构建第一个n数字的（二进制）min-heap。 （O(n)）
• 对于文件中的每个剩余数字，将其与堆中的顶部元素进行比较。如果新数字较大，请关闭顶部元素并插入新元素。 （O(f)次O(lg n)次操作。
• 完成后，堆中包含文件中最大的n个数字。

Answer 2

假设您的文件看起来像这样。

123 448 28239
1299 23729 71829
18283 75723 817
93993 1791 9

使用标准的Unix工具，我会做这样的事情。

$ tr " " "\n" < in.txt | sort -n -r | head -5
93993
75723
71829
28239
23729

说明：

• tr将每个空格转换为换行符\n
• sort -n -r对行进行排序，现在每行包含一个数字，数字和反转
• head -5占据这些排序行的前五位

当然，这不能回答你的算法问题。

编辑：2008年的Comparison of Internal Sorting Algorithms提供了有关各种工具使用的算法的一些详细信息。

Answer 3

您可以保留一个长度为topN[n]的数组（例如n），并为文件中的每个数字检查它是否小于n中的所有topN个数字。<登记/> 如果没有，请将其替换为topTen中的最小值。

如果您的n不是很大，这是一个很好的解决方案，因为此算法的复杂性为O(n*k)，其中K是我们文件中的数字数。

实际上复杂度为O(n*(k+1))，因为每次都应该向topN添加一个新号码，以使其保持排序状态（在添加下一个号码时会有所帮助。）

1。获取下一个号码

2。在topN数组中使用二进制搜索搜索它并找到它     放置（数组中最大的项目小于nextNumber）

3. 将nextNumber插入该位置，然后移动所有下一个项目     topN在右边。

4. topN中的最后一项将从阵列中删除。