[leetcode栈队列]2 数据流中的第K大元素

优先级队列

• 在之前的学习中，我们知道队列有着先进先出的特点。那么优先级队列是什么呢？主要体现在修饰词"优先级"三字上面。比如在一组数中，我们规定最大值先出或者最小值先出，并按照这个约束依次出队。那么从生活中例子来看，比如火车站窗口通常都有军人优先的类似字样，因为这些特性让其有了特殊权利，他们就可以先买票。

小顶堆及基本实现机制

• 小顶堆是如下图树的形式(树和图等后续再详细介绍)。节点值越小的越在前面，自然堆顶(10)就是最小的元素。其实现机制主要采用二叉堆，二叉搜索树，斐波那契堆等。

1

Leetcode703 数据流中第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。

01

题目解析

• 保存前k个最大的值，每次进来一个元素A，如果元素A比这k个元素中的最小值还要小就踢出去。那么我们如何保存这k个数呢？
  • 每进来一个数，和其中k个数进行排序，假设使用快速排序，其整体的时间复杂度为O(n*k*logk).
  • 采用优先级队列。维护一个k个元素的小顶堆，优先级从小到大排列，最上面为最小的元素，每次元素过来，就有两种情况。第一种情况小于堆顶，那么就直接淘汰。第二种情况，比堆顶元素大，那么淘汰堆顶，更新堆结构，因为每次从堆中取出元素，为O(1),每调整一次堆为O(log2k)。所以整体复杂度为O(n*log2k)。咱们动画理解下这个过程。

题目虽简单，细品出真理！一定掌握哈！

02

代码实现

1

c++版本

2

python版本

3

java版本