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。
方法一:优先队列【最小值先出列】 or 小顶堆【弹出最小值】
使用一个大小为 k 的优先队列来存储前 k 大的元素,其中优先队列的队头为队列中最小的元素,也就是第 k 大的元素。
在单次插入的操作中,我们首先将元素
val
\textit{val}
val 加入到优先队列中。如果此时优先队列的大小大于 k,我们需要将优先队列的队头元素弹出,以保证优先队列的大小为 k。
代码
from sortedcontainers import SortedList
class KthLargest:
"""
优先队列,使用 sortedcontainers 库
"""
def __init__(self, k: int, nums: List[int]):
self.k = k
# 创建优先队列 【PriorityQuque】
self.pq = SortedList()
for num in nums:
self.pq.add(num)
if len(self.pq) > k:
self.pq.pop(0)
def add(self, val: int) -> int:
self.pq.add(val)
if len(self.pq) > self.k:
self.pq.pop(0)
return self.pq[0]
import heapq
class KthLargest:
"""
小顶堆,使用heapq库,本质上和优先队列一样
"""
def __init__(self, k: int, nums: List[int]):
self.heap = []
self.k = k
for num in nums:
heapq.heappush(self.heap, num)
if len(self.heap) > k:
heapq.heappop(self.heap)
def add(self, val: int) -> int:
heapq.heappush(self.heap, val)
if len(self.heap) > self.k:
heapq.heappop(self.heap)
return self.heap[0]