- 综合排序
- 最热优先
- 最新优先
- 来自专栏weixuqin 的专栏
TOPK 问题
TOPK 问题 描述 如从海量数字中寻找最大的 k 个，这类问题我们称为 TOPK 问题，通常使用堆来解决： 求前 k 大，用最小堆 求前 k 小，用最大堆 例子 现有列表 [1, 2, 0, 3, 5 思路 先放入元素前 k 个建立一个最小堆 迭代剩余元素： 如果当前元素小于堆顶元素，跳过该元素（肯定不是前 k 大） 否则替换堆顶元素为当前元素，并重新调整堆 最后获取 最小堆 中的值，即为 topk 代码如下 import heapq class Topk: """获取大量元素 topk 大个元素，固定内存 思路： 1. 先放入元素前 k 个建立一个最小堆 2. (): import random i = list(range(1000)) # 这里可以是一个可迭代元素，节省内存 random.shuffle(i) _ = Topk (i, 10) print(_.get_topk()) # [990, 992, 991, 993, 996, 997, 998, 994, 995, 999] test()
65820发布于 2019-05-15 - 来自专栏小雨的CSDN
TopK问题
O(M)+O(N+logM) 在topk问题中，一般N>>M (近似把M看成1) （方法一占用大量的内存空间，推荐方法二）
28610编辑于 2022-10-26 - 来自专栏计算机视觉理论及其实现
pytorch -- topk()
torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) -> (Tensor, LongTensor)沿给定dim维度返回输入张量 0.1785, -4.3339]])得到其top1值操作如下：maxk = max((1,)) # 取top1准确率，若取top1和top5准确率改为max((1,5))_, pred = output.topk (maxk, 1, True, True)topk参数中，maxk取得是top1准确率，dim=1是按行取值， largest=1是取最大值。
1.7K30编辑于 2022-09-02 - 来自专栏博客迁移同步
topK问题
) { if (arr == null || topK < 1) return; HashMap<String, Integer> map = new ]; int index = 0; // 遍历哈希表，决定是否进堆，一共topK个堆元素，恢复堆有序，最后留下的一定是满足条件最大的几个 for (Entry = topK) { // 堆没满之前 heap[index] = node; heapInsert(heap, index++); // heap[0].times < node.times) { heap[0] = node; sink(heap, 0, topK ); // 下沉恢复堆有序 } } } // 现在需要有序输出，也就是堆排序了 int N = topK
26510编辑于 2023-05-06 - 来自专栏后端知识体系
海量数据TopK问题
# 海量数据TopK问题 在大规模数据处理中，经常会遇到这类问题：在海量数据中找到出现频率/数值最大的前K个数 本文主要提供这类问题的基本解决方法 假设这样一个场景，一个问题阅读量越高，说明这个问题越有价值 第三种方法是分治法，将1亿个数据分成100份，每份100万个数据，找到每份数据中最大的100个(即每份数据的TopK)，最后在剩下的100*100个数据里面找出最大的100个。
1.8K30编辑于 2022-07-14 - 来自专栏bigsai
TopK，玩出花来了！
今天给大家分享一个TOPK问题，不过我这里不考虑特别大分布式的解决方案，普通的一道算法题。 首先搞清楚，什么是topK问题？ topK问题，就是找出序列中前k大(或小)的数，topK问题和第K大(或小)的解题思路其实大致一致的。 TopK问题是一个非常经典的问题，在笔试和面试中出现的频率都非常非常高(从不说假话)。 下面，从小小白的出发点,认为topK是求前K大的问题，一起认识下TopK吧！ 当前，在求TopK和第K大问题解法差不多，这里就用力扣215数组的第k个大元素 作为解答的题演示啦。 排序法 找到TopK，并且排序TopK 啥，你想要我找到TopK？不光光TopK，你想要多少个，我给你多少个，并且还给你排序给排好，啥排序我最熟悉呢？ 如果你想到冒泡排序O(n^2)那你就大意了啊。 TopK。
70620编辑于 2021-12-15 - 来自专栏算法之美
topK总结(初稿)
问题1 在n个有序数组中，求topK 假定有20个有序数组，每个数组有500个数字，降序排列，数字类型32位uint数值，现在需要取出这10000个数字中最大的500个 假如有n个数组升序， 每个数字长度是
2.2K150发布于 2018-04-13 - 来自专栏xiaosen
堆排序-topk问题
j=2*i+1 else: li[i]=tmp break else: li[i]=tmp 其余代码: def topk
23510编辑于 2024-03-15 - 来自专栏全栈程序员必看
Topk算法_topn算法
topK算法 思路1：快速选择算法 可以采用快速选择算法，借助快排，设mid为每次划分中间结果,每次划分完之后如果mid==k，则说明序列刚刚好，第k位置和他前面的位置都是前K大的数，如果mid <
56420编辑于 2022-09-21 - 来自专栏计算机视觉理论及其实现
pytorch的topk()函数
pytorch.topk()用于返回Tensor中的前k个元素以及元素对应的索引值。 例：import torchitem=torch.IntTensor([1,2,4,7,3,2])value,indices=torch.topk(item,3)print("value:",value
1.5K20编辑于 2022-09-02 - 来自专栏萌新的日常
堆排序+TOPK问题
27,15,19,18,28,34,65,49,25,37 }; int n = sizeof(arr) / sizeof(arr[0]); heapsort(arr, n); print(arr, n); return 0; } 二 、 TOPK
49410编辑于 2022-12-02 - 来自专栏灰子学技术
算法篇：树之topk问题
算法： topk问题，解决的办法通常都是使用最小堆或者最大堆。 大顶堆：父亲节点的值总是比其两个子节点的值大。 小顶堆：父亲节点的值总是比其两个子节点的值小。 for k,v:=range tmpM{ res = append(res,Node{k,v}) } // 3.对于小于k的数组的处理，这里就转换成了题目1中的topk
76220发布于 2020-08-21 - 来自专栏技术分享
【算法】TopK问题超详解
TopK算法 TopK问题基本框架就是： 从n个数中，找出最大（或最小）的前k个数。 )(https://i-blog.csdnimg.cn/direct/d54a704560c64ea0991b938683e70d1e.png)] 我们应该知道的是 TopK问题的最基本流程包括以下几个阶段 四、堆排序 无序地返回TopK 我们了解到TopK的核心思想是找出这k个数，但并非要我们对这k个数也进行排序；所以我们直接使用堆来找出k个数即可。在时间复杂度上会大大降低从而提高时间效率。 有序地返回TopK 事实上，如果要求我们有序地返回这k个数的话，我们只需多写一个Sort函数即可。 TopK问题是我们生活中也会常常遇见的问题，所以说掌握它的常见算法绝对不是一件坏事。针对上方的几种算法： 排序法适用于数据集较小且有排序需求的情况。
65910编辑于 2024-08-05 - 来自专栏IT杂谈学习
Topk问题！(面试高频常考)
Topk的面试技巧 理解问题类型：首先，确保你完全理解问题的类型。是找最大元素、最小元素还是其他类型的问题？这有助于你选择合适的解决方法。
78210编辑于 2024-01-22 - 来自专栏算法channel
机器学习|快速排序思想求topk
''' topk by quick sort assert: k <= len(arr) ''' def topkByQuickSort(k,arr=None): topk=[] return (lo,hi,k,topk,arr): # this is worst condition for topk if lo>=hi: index = len(arr) - k (lo,i-1,k,topk,arr) else: index = i while index < len(arr): topk.append ]) [print(item) for item in topk] 12 topk = topkByQuickSort(2,arr=[3,5,1,6,9,8,5,12]) [print(item) for item in topk] 9 12 topk = topkByQuickSort(8,arr=[32,5,7,6,13,9,8,4,12]) [print(item) for item in topk
1.5K80发布于 2018-04-02 - 来自专栏张伦聪的技术博客
topk问题终极奥义-堆排序
如果一棵二叉树所有分支都存在左右子节点，且所有的叶子节点都在同一层，则成这棵树为满二叉树。
45220编辑于 2022-10-26 - 来自专栏Jungle笔记
堆是如何解决TopK问题的？
堆排序也是常见的一种排序算法，在生产中有很广泛的应用，比如优先级队列，TopK问题，生产中的TP99指标等。最近碰到了几个TopK问题，是如何用堆来解决的呢？比如： 堆是什么？ 构建堆的过程即heapify，代码如下： for(int i=(arr.size()-2)/2;i>=0;i--){ shiftDown(arr, arr.size(), i); } 如何解决TopK 接下来回到本文最开始的问题，如何用堆来解决TopK问题？两步走！ 构建堆：将原始数据构建成一个堆。 不断取堆顶：根据题目要求，取出堆顶。 面试题 17.14.
80620编辑于 2022-07-24 - 来自专栏学习成长指南
蓝桥杯---优先级队列(topk问题）
1.题目概述这个题目实际上就是和堆相关的一个题目；堆是被分为大根堆和小跟堆的，我们的这个题目需要的是第K大的元素，这个时候需要使用的元素就是小根堆；这个Topk创建的是小根堆，而不是大根堆，有些同学觉得 小根堆就是直接直接往下调整下面的这个是我当时学习堆的时候写的一个博客，我觉得确实复习起来很方便，大家不理解的话一定要下去看一下，为什么这样去做：实际上通过这个过程你就可以发现，最后保存在我们的这个堆里面的元素就是topk
13400编辑于 2025-03-26 - 来自专栏同步文章1234
【初阶数据结构】堆排序和TopK问题
综述： 堆排序：排序算法，时间复杂度O(NlogN) TopK问题：一堆数据前K大或前K小 目录 综述： 1.堆的基本结构 2.堆的插入删除 2-1用数组下标计算父子关系： 2-2堆上插入元素-向上调整算法 2-3删除堆顶元素-向下调整算法 2-4完整代码 3.两种方法建堆: 3-1向上调整法建堆 3-2向下调整法建堆 3-3.完整代码 3-4.两种建堆方式的时间复杂度 4.堆排序 5.TopK问题 :O(NLogN) while (i < n) { Swap(&a[0], &a[n - i]); HeapAdjustDown(a, n - i, 0); ++i; } } 5.TopK 个数 CreateFileName(filename, N); //从文件中选出N个数中前K大的几个数字，并且打印 PrintTopK(filename, k); return 0; } TopK
79150编辑于 2023-01-16 - 来自专栏leetcode题目解析和知识分享
数据结构之堆(topk问题、堆排序)
end = n - 1; while (end) { Swap(&arr[0], &arr[end]); AdjustDown(arr, end, 0); end--; } } 2、topk
13610编辑于 2025-10-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号