K Points les plus proches de l'origine
Guide détaillé et implémentation de Python pour le problème « K points les plus proches de l'origine ».
1. Apprendre
Le problème « K points les plus proches de l'origine » est un défi clé dans la section Tas/File d'attente prioritaire.
Cette implémentation se concentre sur la logique de niveau simple dans Python.
Nous accordons la priorité à la précision technique et à la lisibilité du code dans les solutions que nous proposons.
2. Real-World Applications
3. Visual Intuition
Visualisation du flux logique pour les K points les plus proches de l'origine.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lisez attentivement l'énoncé du problème pour les K points les plus proches de l'origine.
2. Formulate brute force
Rédigez une solution itérative simple.
3. Identify inefficiency
Recherchez les calculs redondants.
4. Optimize search path
Utilisez le hachage ou le tri pour accélérer le processus.
5. Final Implementation
Nettoyer le code pour les normes de production.
Énoncé du problème
Étant donné un tableau de points où points[i] = [xi, yi] représente un point sur le plan X-Y et un entier k, renvoie les k points les plus proches de l'origine (0, 0).
La distance entre deux points sur le plan X-Y est la distance euclidienne (c'est-à-dire sqrt((x1 - x2)^2 + (y1 - y2)^2)).
Vous pouvez renvoyer la réponse dans n'importe quel ordre. La réponse est garantie unique (sauf pour l’ordre dans lequel elle se trouve).
Écrivez une fonction kClosest(points: List[List[int]], k: int) -> List[List[int]].
- •1 <= k <= len(points) <= 10^4
- •-10^4 <= xi, yi <= 10^4
Exemples
points = [[1,3],[-2,2]], k = 1
[[-2,2]]
The distance from (1, 3) to the origin is sqrt(10). The distance from (-2, 2) to the origin is sqrt(8). Since sqrt(8) < sqrt(10), (-2, 2) is closer to the origin.
points = [[3,3],[5,-1],[-2,4]], k = 2
[[3,3],[-2,4]]
The closest two points are (3, 3) and (-2, 4). (Order of elements in the output does not matter).
Need a Hint?
Edge Cases to Watch
- Structures d'entrée vides
- Entrées à élément unique
- Grandes limites numériques
Prêt à résoudre ?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Aperçus et variations des entretiens
Répartition de l'analyse de complexité
Pourquoi le temps: Directly evaluates all possibilities.
Pourquoi l'espace: Uses standard local memory.
Pourquoi le temps: Optimized paths reduce total operations.
Pourquoi l'espace: May trade memory for speed.
Code Python de solution optimisée
Code Python de solution optimisée
import heapq
def k_closest_opt(points, k):
minHeap = []
for x, y in points:
dist = (x**2) + (y**2)
minHeap.append([dist, x, y])
heapq.heapify(minHeap)
res = []
while k > 0:
dist, x, y = heapq.heappop(minHeap)
res.append([x, y])
k -= 1
return resCode de force brute (spoiler gardé)
Code de force brute (spoiler gardé)
def k_closest_brute(points, k):
points.sort(key=lambda p: p[0]**2 + p[1]**2)
return points[:k]Algorithm Pattern Checklist
When dealing with Heap / Priority Queue data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Les propriétés standard du problème de tas/file d’attente prioritaire s’appliquent.
Questions connexes
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Ressources Python recommandées
Développez vos connaissances avec des didacticiels interactifs, des aide-mémoire et des comparaisons de codes associés.
Générateurs Python
Apprenez à utiliser les générateurs Python et les instructions rendement pour traiter d'énormes ensembles de données avec une empreinte mémoire minimale. Expressions du générateur principal.
Comment convertir une chaîne en Int en Python
Apprenez à convertir une chaîne en entier en Python à l'aide de la fonction int(). Gérez les erreurs en toute sécurité et convertissez les nombres binaires, octaux ou hexadécimaux.
Aide-mémoire pour les opérateurs Python
Maîtrisez les opérateurs arithmétiques, de comparaison, logiques, au niveau du bit, d'affectation et d'identité en Python.
Décorateurs Python et modèle de conception de décorateur : les principales différences
Comparez les décorateurs Python et le modèle de conception de décorateur classique. Comprenez les différences entre l'encapsulation de fonctions au moment de la définition et la composition d'objets dynamiques d'exécution avec du code exécutable.