【数据结构-堆】力扣703. 数据流中的第 K 大元素
这道题目需要我们返回第k大元素,那么我们是不是可以构建一个最小堆,让最小堆的大小最大为k,那么最小堆的队头就是第k大的元素(从尾往头数第k个)。那么我们每次调用add,就push一个数到q中,最小堆q会进行排序,如果q大小超过k,那么就弹出队头元素使得q的大小为k,然后再返回。KthLargest(int k, int[] nums) 使用整数 k 和整数流 nums 初始化对象。输出:[null
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。
请实现 KthLargest 类:
KthLargest(int k, int[] nums) 使用整数 k 和整数流 nums 初始化对象。
int add(int val) 将 val 插入数据流 nums 后,返回当前数据流中第 k 大的元素。
示例 1:
输入:
[“KthLargest”, “add”, “add”, “add”, “add”, “add”]
[[3, [4, 5, 8, 2]], [3], [5], [10], [9], [4]]
输出:[null, 4, 5, 5, 8, 8]
解释:
KthLargest kthLargest = new KthLargest(3, [4, 5, 8, 2]);
kthLargest.add(3); // 返回 4
kthLargest.add(5); // 返回 5
kthLargest.add(10); // 返回 5
kthLargest.add(9); // 返回 8
kthLargest.add(4); // 返回 8
示例 2:
输入:
[“KthLargest”, “add”, “add”, “add”, “add”]
[[4, [7, 7, 7, 7, 8, 3]], [2], [10], [9], [9]]
输出:[null, 7, 7, 7, 8]
解释:
KthLargest kthLargest = new KthLargest(4, [7, 7, 7, 7, 8, 3]);
kthLargest.add(2); // 返回 7
kthLargest.add(10); // 返回 7
kthLargest.add(9); // 返回 7
kthLargest.add(9); // 返回 8
最小堆
class KthLargest {
public:
priority_queue<int, vector<int>, greater<int>> q;
int k;
KthLargest(int k, vector<int>& nums) {
this->k = k;
for(int i = 0; i < nums.size(); i++){
add(nums[i]);
}
}
int add(int val) {
q.push(val);
if(q.size() > k){
q.pop();
}
return q.top();
}
};
这道题目需要我们返回第k大元素,那么我们是不是可以构建一个最小堆,让最小堆的大小最大为k,那么最小堆的队头就是第k大的元素(从尾往头数第k个)。那么我们每次调用add,就push一个数到q中,最小堆q会进行排序,如果q大小超过k,那么就弹出队头元素使得q的大小为k,然后再返回q.top()
即可。

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐
所有评论(0)