資訊專欄INFORMATION COLUMN
摘要：前言的最接近原點的個點我們有一個由平面上的點組成的列表。這里，平面上兩點之間的距離是歐幾里德距離。提示解題思路本題首先要知道什么是歐幾里德距離。歐幾里德距離又叫做歐幾里德度量，指的是是歐幾里得空間中兩點間普通即直線距離。
前言
Weekly Contest 119的 最接近原點的 K 個點：
解題思路我們有一個由平面上的點組成的列表 points。需要從中找出 K 個距離原點 (0, 0) 最近的點。
（這里，平面上兩點之間的距離是歐幾里德距離。）
你可以按任何順序返回答案。除了點坐標的順序之外，答案確保是唯一的。
示例1：
輸入：points = [[1,3],[-2,2]], K = 1 輸出：[[-2,2]] 解釋： (1, 3) 和原點之間的距離為 sqrt(10)， (-2, 2) 和原點之間的距離為 sqrt(8)， 由于 sqrt(8) < sqrt(10)，(-2, 2) 離原點更近。 我們只需要距離原點最近的 K = 1 個點，所以答案就是 [[-2,2]]。示例2：
輸入：points = [[3,3],[5,-1],[-2,4]], K = 2 輸出：[[3,3],[-2,4]] （答案 [[-2,4],[3,3]] 也會被接受。）提示：
1 <= K <= points.length <= 10000
-10000 < points[i][0] < 10000
-10000 < points[i][3] < 10000
本題首先要知道什么是歐幾里德距離。歐幾里德距離又叫做歐幾里德度量，指的是是歐幾里得空間中兩點間“普通”（即直線）距離。只是說概念大家很難理解，先用本題需要用到的二維空間中計算歐幾里德距離的數(shù)學公式就能很好理解了：
已知原點坐標為(0,0)，存在兩個點A(x1,y1)和B(x2,y2)，則點A和B的歐幾里德距離則為
$$ sqrt{(x_1-x_2)^2+(y_1-y_2)^2} $$
而點A到原點的歐幾里德距離則為
$$ sqrt{x_1^2+y_1^2} $$
然后利用這個公式可以計算出每個點到原點的歐幾里德距離，之后只需要找出最近的幾個點即可。
此處需要注意題目中的
除了點坐標的順序之外，答案確保是唯一的
這說明每個點到原點的舉例應(yīng)該都是不同的。
實現(xiàn)代碼 /**
* 973. 最接近原點的 K 個點
* 某個點到原點的歐幾里德距離為坐標值的平方之和開根號即可
* @param points
* @param K
* @return
*/
public int[][] kClosest(int[][] points, int K) {
//根據(jù)題目意思，每個點到原點的歐幾里德距離都不同，可以用距離作為key
//Map選擇TreeMap是因為TreeMap的key是有序（從小到大）
Map map=new TreeMap<>();
for (int i=0;i> it=map.entrySet().iterator();
//當前遍歷到第幾個元素，用于控制點的個數(shù)
int index=0;
while (it.hasNext()){
int[] point=it.next().getValue();
result[index]=point;
if(index+1==K){
break;
}else{
++index;
}
}
return result;
}
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/72982.html
摘要：題目鏈接題目分析給一個坐標數(shù)組，從中返回個離最近的坐標。其中，用歐幾里得距離計算。思路把距離作為數(shù)組的鍵，把對應(yīng)坐標作為數(shù)組的值。用函數(shù)排序，再用函數(shù)獲取前個即可。最終代碼若覺得本文章對你有用，歡迎用愛發(fā)電資助。 973. K Closest Points to Origin 題目鏈接 973. K Closest Points to Origin 題目分析 給一個坐標數(shù)組points...
摘要：而代碼是給出現(xiàn)情況增加次數(shù)，出現(xiàn)一次排序?qū)脒\算符模塊的方法，按照第二個元素的次序?qū)υM進行排序，此處的排序為逆序。 機器學習——K近鄰算法 概述 k近鄰是一種基本分類與回歸方法. 輸入:特征向量 輸出:實例的類別(可取多類) 核心思想:如果一個樣本在特征空間中的k個最相鄰的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別，并具有這個類別上樣本的特性. 優(yōu)點:計算精度高、對異常值...
閱讀 3297·2021-11-15 11:37
閱讀 2485·2021-09-29 09:48
閱讀 3870·2021-09-22 15:55
閱讀 3048·2021-09-22 10:02
閱讀 2670·2021-08-25 09:40
閱讀 3267·2021-08-03 14:03
閱讀 1731·2019-08-29 13:11
閱讀 1595·2019-08-29 12:49
