【优先队列】数据流的第 K 大数值

数据流的第 K 大数值

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 $\text{val}$ 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]