python-leetcode-703. 数据流中的第 K 大元素

703. 数据流中的第 K 大元素 - 力扣（LeetCode）

你可以使用最小堆（小顶堆）来高效地维护数据流中的第 k 大元素。Python 的 heapq 模块非常适合这个任务。下面是 KthLargest 类的实现：

import heapq

class KthLargest:
    def __init__(self, k: int, nums: list[int]):
        self.k = k
        self.min_heap = []
        for num in nums:
            self.add(num)  # 初始化时调用 add 方法，保持堆的大小为 k

    def add(self, val: int) -> int:
        if len(self.min_heap) < self.k:
            heapq.heappush(self.min_heap, val)
        elif val > self.min_heap[0]:
            heapq.heappushpop(self.min_heap, val)
        return self.min_heap[0]  # 堆顶元素即为第 k 大元素

解释：

1. 初始化：

   • 用 heapq 维护一个小顶堆 self.min_heap。

   • 逐个插入 nums 中的元素，确保堆的大小最多为 k。

2. add 方法：

   • 若堆的大小小于 k，直接插入 val。

   • 若 val 大于堆顶元素（即当前第 k 大的元素），替换堆顶，保持堆的大小为 k。

   • 返回堆顶元素，即当前第 k 大的元素。

这种方法的 add 操作的时间复杂度为 O(log k)，适用于处理动态数据流的情况。