数据结构----堆

堆是一个完全二叉树。堆中每个节点大于或等于左右子节点（大根堆），小根堆相反。即大根堆最大元素在堆顶，小根堆最小元素在堆顶。

堆使用数组存储

堆常用于解决topK问题 

例题1：215. 数组中的第K个最大元素

class Solution {
    public int findKthLargest(int[] nums, int k) {
        //小根堆size=k，则堆顶就是第k个大的元素。
        Queue<Integer> qp=new PriorityQueue<>((v1,v2)->v1 - v2);//默认小根堆
        for(int i:nums){
            if(qp.size()<k) 
            qp.offer(i);
            else if(qp.peek()<i){//如果加入的比堆顶还小，不用加
                qp.poll();
                qp.offer(i);
            }
        }
        return qp.peek();//返回堆顶
    }
}

 如何定义一个堆： 

Queue<Integer> qp=new PriorityQueue<>（） 默认是小根堆

定义一个大根堆：

Queue<Integer> qp=new PriorityQueue<>((v1,v2)->v2 - v1); 

例题2：347. 前 K 个高频元素 

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
       
        Map<Integer,Integer> map=new HashMap<>();
         //先对数字频率进行记录
        for(int i:nums){
            map.put(i,map.getOrDefault(i,0)+1);
        }
        //小根堆。（将小根堆前面的元素去掉，就得到了高频元素。）
        Queue<Integer> qp=new PriorityQueue<>((v1,v2)->map.get(v1)-map.get(v2));
        //lambda表达式遍历哈希表，key,value.
       map.forEach((num,value) ->{
            if(qp.size()<k){//小根堆内存没满。
                qp.offer(num);//加入就完事了
            }
            else if(map.get(qp.peek())<value){//小根堆满了，如果小根堆堆顶元素出现的次数还比该num的次数还少，将堆顶元素踢出。
                qp.poll();
                qp.offer(num);
            }
        });
        int[] arr=new int[k];
        for(int i=0;i<arr.length;i++){
            arr[i]=qp.poll();
        }
        return arr;
    }
}

①哈希表记录数字频率：

 map.put(i,map.getOrDefault(i,0)+1);

②遍历哈希表，lambda表达式：

  map.forEach( (key, value) -> {
          //method
        });