每日一题：找出数组中第 k 大的元素

解题思路：

1. 使用快速选择算法来找出第 k 大的元素。快速选择算法基于快速排序的思想，通过每次选取一个基准元素将数组划分为两部分，然后只在其中一部分继续查找，从而快速定位第 k 大的元素。
2. 选择一个基准元素，可以随机选择数组中的一个元素作为基准。
3. 使用分区函数将数组划分为两部分：小于基准元素的部分和大于等于基准元素的部分。
4. 比较划分后基准元素所在的位置 pivot_index 与目标位置 k 的关系：

• 如果 pivot_index == k - 1，则找到了第 k 大的元素，返回基准元素。
• 如果 pivot_index > k - 1，则目标元素在基准元素的左侧，继续在左侧部分进行查找。
• 如果 pivot_index < k - 1，则目标元素在基准元素的右侧，继续在右侧部分进行查找。

5. 重复步骤 2~4，直到找到第 k 大的元素。
   代码实现及注释：

import random

def partition(nums, low, high):
    # 选择随机基准元素
    pivot_index = random.randint(low, high)
    pivot = nums[pivot_index]
    
    # 将基准元素移动到末尾
    nums[pivot_index], nums[high] = nums[high], nums[pivot_index]
    
    # 分区过程
    i = low  # i 用于记录小于基准元素的区域边界
    for j in range(low, high):
        if nums[j] >= pivot:
            nums[i], nums[j] = nums[j], nums[i]
            i += 1
    
    # 将基准元素放到正确的位置上
    nums[i], nums[high] = nums[high], nums[i]
    
    return i

def quick_select(nums, low, high, k):
    if low == high:
        # 只有一个元素
        return nums[low]
    
    # 分区操作
    pivot_index = partition(nums, low, high)
    
    if pivot_index == k - 1:
        # 找到第 k 大的元素
        return nums[pivot_index]
    elif pivot_index > k - 1:
        # 目标元素在基准元素的左侧
        return quick_select(nums, low, pivot_index - 1, k)
    else:
        # 目标元素在基准元素的右侧
        return quick_select(nums, pivot_index + 1, high, k)

def find_kth_largest(nums, k):
    return quick_select(nums, 0, len(nums) - 1, k)

# 测试
nums = [3, 2, 1, 5, 6, 4]
k = 2
result = find_kth_largest(nums, k)
print(result)  # 输出: 5，因为数组中第 2 大的元素是 5

nums = [3, 2, 1, 5, 6, 4]
k = 4
result = find_kth_largest(nums, k)
print(result)  # 输出: 3，因为数组中第 4 大的元素是 3

该算法的平均时间复杂度为 O(n)，其中 n 是数组的长度。在快速选择算法中，每次选取一个基准元素进行分区，每次分区的时间复杂度为 O(n)。在平均情况下，每次分区可以将数组划分为大小接近一半的两个部分，因此平均需要递归 log(n) 次。因此，总的平均时间复杂度为 O(n + log(n))，近似于 O(n)。在最坏情况下，如果每次分区的基准元素都是当前数组中的最小或最大元素，算法的时间复杂度将退化为 O(n^2)。但由于基准元素的随机选择，最坏情况的出现概率较低。