LeetCode 703. 数据流中的第K大元素(Kth Largest Element in a Stream)

LeetCode.jpg

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。

切题

一、Clarification

没有特别需要注意的边界问题

二、Possible Solution

1、保存前k个最大值

通过排序找出第k大元素，时间复杂度 O(n*klogk) 其中O(klogk)为排序的时间复杂度，n为元素个数

2、借助小顶堆

Min Heap 中的元素个数为k，那么堆顶就为第k大元素。我们需要维护一个Min Heap，时间复杂度O(n*logk) 其中O(logk)为Min heap调整的时间复杂度。java中可以使用PriorityQueue，python可使用heapq库，也是优先队列算法。

python 实现

heapq--- 堆队列算法

# @author:leacoder 
# @des: 借助小顶堆(heapq---堆队列算法也称为优先队列算法) ,  数据流中的第K大元素

class KthLargest:

    def __init__(self, k: int, nums: List[int]):
        # heapq.nlargest(n, iterable, key=None) 返回一个列表，其中包含iterable定义的数据集中的n个最大元素。
        self.k_heap = heapq.nlargest(k, nums)
        # heapq.heapify(x) 将list x 转换成堆，原地，线性时间内
        heapq.heapify(self.k_heap)
        self.k = k
        
    def add(self, val: int) -> int:
        if len(self.k_heap) < self.k:
            # 直接加入
            heapq.heappush(self.k_heap,val)
        else:
            # 先加入再弹出最小，维护元素为k个
            # heapq.heappushpop(heap, item) 将 item 放入堆中，然后弹出并返回 heap 的最小元素。
            heapq.heappushpop(self.k_heap,val)
        # 最小的元素总是在根结点：heap[0],由于维护的元素个数为k，那么就为第k大元素
        return self.k_heap[0]

Java 实现

优先队列

/*
 *@author:leacoder
 *@des:  优先队列 数据流中的第K大元素
 */

class KthLargest {
    final PriorityQueue myqueue;
    final int kMax;

    public KthLargest(int k, int[] nums) {
        myqueue = new PriorityQueue<>(k);  //指定初始容量k的优先队列
        kMax = k;
        for(int n:nums){
            add(n); //将数据加入到 优先队列中
        }
    }
    
    public int add(int val) {
        if(myqueue.size()

---

GitHub链接：
https://github.com/lichangke/LeetCode

知乎个人首页：
https://www.zhihu.com/people/lichangke/

个人首页：
https://www.jianshu.com/u/3e95c7555dc7

个人Blog:
https://lichangke.github.io/

欢迎大家来一起交流学习