icp网站备案查询杭州网站关键词排名

1.题目描述

给定一个点的列表 points，其中每个点的坐标表示为 [xi, yi]，以及一个整数 k，表示需要找到距离原点 (0,0) 最近的 k 个点。

2.思路

思路一:
首先输入是一个二维数组，然后开始计算二维数组忠每个元素（每一个点）与原点直接的距离（可以直接对每个点求勾股定理），最后输出是离原点距离最近的点（k代表返回的点的个数），按升序排序。

思路二：
用优先级队列[PiorityQueue默认是小根堆，但是可以改变比较器的规则（comparetor，让他变成大根堆）。]，把每个坐标的欧式距离入堆之后，用对象.size()的方法，列出总共的元素，根据题目要求要前k跟原点近的点的欧式距离，保留前k个，其他用对象.poll()按最大开始剔除，直到剩最小的k个，最后用一个二维数组输出。

在 PriorityQueue 中，标准的 poll() 方法并不接受任何参数。

3.代码实现

import java.util.PriorityQueue;public class Solution06 {public int[][] kClosest(int[][] points, int k) {// 创建最大堆，按照 (x² + y²) 从大到小排序，创建和声明最大堆，此时堆是空的PriorityQueue<int[]> s1=new PriorityQueue<>((a,b)->Integer.compare(distance(b),distance(a)));//遍历每个点，联系：一个求距离的算法。for(int[] point:points){s1.offer(point);//加入堆if (s1.size()>k){s1.poll();//只保留最近的 k 个点,也就是把大根堆大的点剔除掉，剩下k个小的元素}}//输出剩下的k个二维数组,有k个点，2代表每个坐标都有x，y，也就是两列int[][] reasult=new int[k][2];int index=0;for(int[] subpoint:s1){reasult[index]=subpoint;index++;}return reasult;
//        int[][] result = new int[k][2];
//        for (int i = 0; i < k; i++) {
//            result[i] = s1.poll();
//        }
//        return result;}private static int distance(int[] point){return point[0]*point[0]+point[1]*point[1];}}

带main方法验证的代码：

import java.util.PriorityQueue;
import java.util.Arrays;
public class Solution06 {public int[][] kClosest(int[][] points, int k) {// 创建最大堆，按照 (x² + y²) 从大到小排序，创建和声明最大堆，此时堆是空的PriorityQueue<int[]> s1=new PriorityQueue<>((a,b)->Integer.compare(distance(b),distance(a)));//遍历每个点，联系：一个求距离的算法。for(int[] point:points){s1.offer(point);//加入堆if (s1.size()>k){s1.poll();//只保留最近的 k 个点,也就是把大根堆大的点剔除掉，剩下k个小的元素}}//输出剩下的k个二维数组,有k个点，2代表每个坐标都有x，y，也就是两列int[][] reasult=new int[k][2];int index=0;for(int[] subpoint:s1){reasult[index]=subpoint;index++;}return reasult;
//        int[][] result = new int[k][2];
//        for (int i = 0; i < k; i++) {
//            result[i] = s1.poll();
//        }
//        return result;}private static int distance(int[] point){return point[0]*point[0]+point[1]*point[1];}public static void main(String args[]){Solution06 test=new Solution06();int[][] point1={{1, 3}, {-2, 2}};int k1=1;System.out.println("输出与原点最近的点：");printResult(test.kClosest(point1,k1));}// 打印二维数组的方法private static void printResult(int[][] result) {
//        for (int[] point : result) {
//            System.out.println(Arrays.toString(point));
//        }
//        System.out.println();for(int[] rePoint:result){System.out.println(Arrays.toString(rePoint));}}}

带main方法的测试代码：

import java.util.PriorityQueue;
import java.util.Arrays;
public class Solution06 {public int[][] kClosest(int[][] points, int k) {// 创建最大堆，按照 (x² + y²) 从大到小排序，创建和声明最大堆，此时堆是空的PriorityQueue<int[]> s1=new PriorityQueue<>((a,b)->Integer.compare(distance(b),distance(a)));//遍历每个点，联系：一个求距离的算法。for(int[] point:points){s1.offer(point);//加入堆if (s1.size()>k){s1.poll();//只保留最近的 k 个点,也就是把大根堆大的点剔除掉，剩下k个小的元素}}//输出剩下的k个二维数组,有k个点，2代表每个坐标都有x，y，也就是两列int[][] reasult=new int[k][2];int index=0;for(int[] subpoint:s1){reasult[index]=subpoint;index++;}return reasult;
//        int[][] result = new int[k][2];
//        for (int i = 0; i < k; i++) {
//            result[i] = s1.poll();
//        }
//        return result;}private static int distance(int[] point){return point[0]*point[0]+point[1]*point[1];}//   public static void main(String args[])
//   {
//       Solution06 test=new Solution06();
//       int[][] point1={{1, 3}, {-2, 2}};
//       int k1=1;
//       System.out.println("输出与原点最近的点：");
//       printResult(test.kClosest(point1,k1));
//
//   }
//    // 打印二维数组的方法
//    private static void printResult(int[][] result) {
        for (int[] point : result) {
            System.out.println(Arrays.toString(point));
        }
        System.out.println();
//        for(int[] rePoint:result)
//        {
//            System.out.println(Arrays.toString(rePoint));
//        }
//    }public static void main(String[] args) {Solution06 solution = new Solution06();int[][] points1 = {{1, 3}, {-2, 2}};int k1 = 1;System.out.println("Test Case 1:");int[][] result1 = solution.kClosest(points1, k1);for (int[] point : result1) {System.out.println(Arrays.toString(point));}System.out.println();int[][] points2 = {{3, 3}, {5, -1}, {-2, 4}};int k2 = 2;System.out.println("Test Case 2:");int[][] result2 = solution.kClosest(points2, k2);for (int[] point : result2) {System.out.println(Arrays.toString(point));}System.out.println();}}