Top N record sort仅返回排序数组中特定范围内的数字

我有一个哈希表，它可能包含大约1-5百万条记录。我需要遍历它来选择其中的一些条目，然后按照某种顺序对它们进行排序。另外，我实际上并不需要所有排序的元素，而是说一些属于特定范围的元素。例如，如果哈希表包含一百万条记录，我可能只需要前1000-2000条记录。有标准的排序算法吗？如果不是，我可以实现一个2次通过算法，第一次通过找到第1000条记录，然后说下一次通过确定下一个1000条记录可能是什么。是否有任何堆排序的实现可用于此？我想任何topN堆排序的实现也会对这一点有所帮助。我可以使用的数组大小也有一个限制。如果数组大小仅为请求的记录数，那将是最好的

您可以使用

快速排序中使用的分区算法。该算法称为“quickselect”，用于
c++
实现
n\u元素
。使用这种方法，您将能够在线性时间内解决您的问题。有关更多信息，请参阅维基百科的文章

此算法使您能够在线性时间内修改输入数组，以便位置
n
之后的所有元素都大于位置n处的元素，而位置
n
之前的所有元素都小于位置
n
处的元素。现在，假设您想知道哪些元素位于数组
A
到
B
的位置。然后首先对位置
B
应用一次算法。因此，我们感兴趣的所有元素都在区间
[0，B]
中。现在，这一次只对结束于位置B的子阵列再次应用算法，参数为
A
。现在您将拥有区间
[A，B]
中的所有元素。注意元素的顺序是任意的。
您可以使用
快速排序中使用的分区算法。该算法称为“quickselect”，用于
c++
实现
n\u元素
。使用这种方法，您将能够在线性时间内解决您的问题。有关更多信息，请参阅维基百科的文章

此算法使您能够在线性时间内修改输入数组，以便位置
n
之后的所有元素都大于位置n处的元素，而位置
n
之前的所有元素都小于位置
n
处的元素。现在，假设您想知道哪些元素位于数组
A
到
B
的位置。然后首先对位置
B
应用一次算法。因此，我们感兴趣的所有元素都在区间
[0，B]
中。现在，这一次只对结束于位置B的子阵列再次应用算法，参数为
A
。现在您将拥有区间
[A，B]
中的所有元素。注意，元素的顺序是任意的。
有一个标准的算法。正如@Ivaylo Strandjev在他的回答中指出的那样，quickselect是实现这一点的典型方式。然而，在这种情况下，这将需要O（n）个额外的空间，因为您无法重新排列哈希表

另一种常用的方法是堆。如果你想要第1000到2000个最小的项目，你可以分两次完成。首先，使用堆查找第1000个最小的项。然后，您再进行一次传递，以获得1000个最小的项目，这些项目大于或等于您在第一次传递中找到的项目。比如：

第一关：

h = new max heap
add first 1000 items to heap
for i = 1000 to n-1
    if hashtable[i] < heap.peek()
        heap.remove_first()
        heap.add(item)

现在创建一个大小为1000的新堆并添加该项。然后再次浏览列表，只添加>=最小的项目：

h = new max heap
for i = 0 to n-1
    if hashtable[i] >= smallest
        if heap.count < 1000
            heap.add(item)
        else if hashtable[i] < heap.peek()
            heap.remove_first()
            heap.add(item)

h=新的最大堆
对于i=0到n-1
如果哈希表[i]>=最小
如果heap.count<1000
添加（项）
如果哈希表[i]

完成后，堆包含1000到2000项

这种技术的一个优点是，您可以分配单个数组，并像堆一样对其进行操作。有关概述，请参阅，或查看我的。前三篇文章解释了这个问题，并提供了足够的信息，使您能够用C实现一个简单的堆

不过，请记住，我在上面的示例中使用的是Max堆。我博客中的讨论是关于Min heap的，因此您必须确保相应地更改比较

堆选择的复杂性是O（n logk），其中n是列表的大小，k是要选择的项目数。如果希望在数组中返回项目时对其进行排序，则必须对堆进行排序（或逐个删除项目）。无论哪种情况，这都是O（k log k）。因此，您的总运行时间将与
（n log k）+（k log k）
成比例

尽管quickselect比heap select渐进地快，但实际上，当您选择1%或更少的项时，heap select通常比quickselect快。因此，如果从一百万个项目列表中选择1000个项目，堆选择几乎肯定会更快。有关详细信息，请参阅

更新
正如OP在评论中指出的，这可能需要相当大的堆。例如，如果要查找第10000到11000个项目，第一次传递需要大小为10000的堆。第二次传递仍然只需要1000个项目的堆。使用naive方法，选择第990000到9990000项需要大小为998000的堆。但是，您可以改变这种情况：使用最小堆，然后您只需要再次使用大小为1000的堆（即，查找第1000到2000个最大的项目）。因此，第一次传递所需的堆大小是
min
h = new max heap
for i = 0 to n-1
    if hashtable[i] >= smallest
        if heap.count < 1000
            heap.add(item)
        else if hashtable[i] < heap.peek()
            heap.remove_first()
            heap.add(item)