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
思路:
输出堆中最大的k个值,如果不足以输出k个值,则直接在输出中压入新的元素为最终输出
如果输出足够,则判断加入的值val是否大于k个最大值中的最小值min(option),如果大于则把option中的最小值弹出加入val
import heapq
class KthLargest(object):
def __init__(self,k,nums):
self.option = heapq.nlargest(k,nums)[::-1]# 堆中最大的k个值 f反向排序
self.k = k
def add (self,val):
if len(self.option)<self.k:
heapq.heappush(self.option,val)
elif val > self.option[0]:
heapq.heapreplace(self.option,val) #删除最小值并添加新值
return self.option[0]
查堆中最大n个数 heapq.nlargest (n, heap)
heap = [1,3,4,2,6,8,9]
result = heapq.nlargest (2, heap)
# result = [9,8]
删除最小值并添加新值heapq.heapreplace(heap, item) 添加新值后构造最小栈输出
heap = [1,3,4,2,6,8,9]
heapq.heapreplace(heap, 4)
# heap = [3,2,4,4,6,8,9]#删除堆顶后将新元素放到堆顶,然后下沉