K Điểm gần nhất với nguồn gốc
Hướng dẫn chi tiết và cách triển khai Python cho bài toán 'K Điểm gần nhất với điểm gốc'.
1. Tìm hiểu
Vấn đề 'K Điểm gần nhất với nguồn gốc' là một thách thức chính trong phần Heap/Hàng đợi ưu tiên.
Việc triển khai này tập trung vào logic cấp độ dễ trong Python.
Chúng tôi ưu tiên độ chính xác về mặt kỹ thuật và khả năng đọc mã trong các giải pháp được cung cấp của chúng tôi.
2. Real-World Applications
3. Visual Intuition
Trực quan hóa luồng logic cho K Điểm gần nhất với điểm gốc.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Đọc kỹ báo cáo vấn đề về K Điểm gần nhất với nguồn gốc.
2. Formulate brute force
Soạn thảo một giải pháp lặp lại đơn giản.
3. Identify inefficiency
Tìm các phép tính dư thừa.
4. Optimize search path
Sử dụng hàm băm hoặc sắp xếp để tăng tốc quá trình.
5. Final Implementation
Làm sạch mã cho tiêu chuẩn sản xuất.
Tuyên bố vấn đề
Cho một mảng các điểm trong đó point[i] = [xi, yi] biểu thị một điểm trên mặt phẳng X-Y và một số nguyên k, trả về k điểm gần nhất với gốc (0, 0).
Khoảng cách giữa hai điểm trên mặt phẳng X-Y là khoảng cách Euclide (tức là sqrt((x1 - x2)^2 + (y1 - y2)^2)).
Bạn có thể trả lời câu trả lời theo bất kỳ thứ tự nào. Câu trả lời được đảm bảo là duy nhất (ngoại trừ thứ tự của nó).
Viết hàm kClosest(points: List[List[int]], k: int) -> List[List[int]].
- •1 <= k <= len(points) <= 10^4
- •-10^4 <= xi, yi <= 10^4
Ví dụ
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
- Cấu trúc đầu vào trống
- Đầu vào phần tử đơn
- Giới hạn số lớn
Sẵn sàng để giải quyết?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Thông tin chi tiết và biến thể của cuộc phỏng vấn
Phân tích độ phức tạp
Tại sao thời gian: Directly evaluates all possibilities.
Tại sao không gian: Uses standard local memory.
Tại sao thời gian: Optimized paths reduce total operations.
Tại sao không gian: May trade memory for speed.
Mã Python giải pháp tối ưu hóa
Mã Python giải pháp tối ưu hóa
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 resMã Brute Force (Bảo vệ spoiler)
Mã Brute Force (Bảo vệ spoiler)
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
Áp dụng các thuộc tính vấn đề về Heap/Hàng ưu tiên tiêu chuẩn.
Câu hỏi liên quan
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Tài nguyên Python được đề xuất
Mở rộng kiến thức của bạn với các hướng dẫn tương tác, bảng ghi chú và so sánh mã có liên quan.
Trình tạo Python
Tìm hiểu cách sử dụng trình tạo Python và câu lệnh lợi nhuận để xử lý các tập dữ liệu khổng lồ với mức sử dụng bộ nhớ tối thiểu. Biểu thức của trình tạo chính.
Cách chuyển đổi chuỗi thành int trong Python
Tìm hiểu cách chuyển đổi một chuỗi thành số nguyên trong Python bằng hàm int(). Xử lý lỗi một cách an toàn và chuyển đổi số từ nhị phân, bát phân hoặc thập lục phân.
Bảng tính toán tử Python
Nắm vững các toán tử số học, so sánh, logic, bitwise, gán và nhận dạng trong Python.
Mẫu thiết kế trang trí Python và mẫu thiết kế trang trí: Sự khác biệt chính
So sánh các trình trang trí Python và mẫu thiết kế trang trí cổ điển. Hiểu sự khác biệt giữa gói hàm thời gian định nghĩa và thành phần đối tượng động thời gian chạy với mã có thể chạy được.