Leetcode-703. 数据流中的第K大元素

设计一个找到数据流中第K大元素的类(class)。注意是排序后的第K大元素,不是第K个不同的元素。

你的 KthLargest 类需要一个同时接收整数 k 和整数数组nums 的构造器,它包含数据流中的初始元素。每次调用 KthLargest.add,返回当前数据流中第K大的元素。

示例:

int k = 3;
int[] arr = [4,5,8,2];
KthLargest kthLargest = new KthLargest(3, arr);
kthLargest.add(3);   // returns 4
kthLargest.add(5);   // returns 5
kthLargest.add(10);  // returns 5
kthLargest.add(9);   // returns 8
kthLargest.add(4);   // returns 8

说明:
你可以假设 nums 的长度≥ k-1 且k ≥ 1。

解法:使用小顶堆,始终维护小顶堆的大小在k个,这样堆顶的元素永远是第k大的元素,时间复杂度O(logK),因为poll出堆顶的时间复杂度是O(logK)

  • Java
    Java PriorityQueue文档:https://www.liaoxuefeng.com/wiki/1252599548343744/1265120632401152
    注意PriorityQueue长度无限,initialCapacity并不能限制堆的大小,这个参数真的用处不大
class KthLargest {
   
    PriorityQueue<Integer> q = new PriorityQueue<>();
    int k;
    public KthLargest(int k, int[] nums) {
   
        this.k = k;
        for (int num:nums) {
   
            add(num);
        }
    }
    
    public int add(int val) {
   
        if (q.size() < k) {
   
            q.add(val);
        } else {
   
            if (q.element() < val) {
   
                q.remove();
                q.add(val);
            }
        }
        return q.element();
    }
}
  • Python
    heapq参考文档:https://github.com/qiwsir/algorithm/blob/master/heapq.md
class KthLargest:

    def __init__(self, k: int, nums: List[int]):
        self.pool = nums
        self.k = k
        heapq.heapify(self.pool)
        while len(self.pool) > k:
            heapq.heappop(self.pool)

    def add(self, val: int) -> int:
        if len(self.pool)<self.k:
            heapq.heappush(self.pool,val)
        elif val > self.pool[0]:
            heapq.heappushpop(self.pool,val)
        return self.pool[0]


# Your KthLargest object will be instantiated and called as such:
# obj = KthLargest(k, nums)
# param_1 = obj.add(val)