在未排序的数组中找到第 k 个最大的元素。请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。
示例 1:
输入: [3,2,1,5,6,4] 和 k = 2
输出: 5
示例 2:
输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4
说明:
你可以假设 k 总是有效的,且 1 ≤ k ≤ 数组的长度。
——题目难度:中等
-基于快排的方法的解题代码
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
sort(nums.begin(),nums.end(),cmp);
return nums[k-1];
}
static bool cmp(int x, int y) {
if (y > x) return false;
return true;
}
};
这道题还可以使用优先队列来解。
可以限制一个元素大小为k的小顶堆,当遍历完一遍nums后,队首元素就是第k个最大元素了(依赖于优先队列内部的自动排序)。
有关优先队列的介绍和方法总结
优先队列(priority queue),通常采用堆数据结构来实现。
普通的队列是一种先进先出的数据结构,元素在队列尾追加,而从队列头删除。在优先队列中,元素被赋予优先级。当访问元素时,具有最高优先级的元素最先删除。优先队列 具有最高级先出 的行为特征。也就是说它和queue不同的地方就在于我们可以自定义数据的优先级,让优先级高的排在队列前面,优先出队。
头文件
C++ 使用STL栈priority_queue时 所需要包含的头文件为 <queue>
定义priority_queue<Type, Container, Functional>
Type 就是数据类型,Container 就是容器类型(Container必须是用数组实现的容器,比如vector,deque等等,但不能用 list。STL里面默认用的是vector),Functional 就是比较的方式,当需要用自定义的数据类型时才需要传入这三个参数,使用基本数据类型时,只需要传入数据类型,默认是大顶堆。(父节点总是大于或等于子节点,这种情况下被叫作大顶堆,或者父节点总是小于或等于子节点,这种情况下叫作小顶堆)
常用的://升序队列——小顶堆 priority_queue <int,vector<int>,greater<int>> pq; //降序队列——大顶堆 priority_queue <int,vector<int>,less<int>>pq; //greater和less是std实现的两个仿函数(就是使一个类的使用看上去像一个函数。其实现就是类中实现一个operator(),这个类就有了类似函数的行为,就是一个仿函数类了)
关于自定义类型的优先队列的使用可以看看7-26 Windows消息队列 (25分) --- 优先队列(自定义类型)解题这篇
具体可以看看c++优先队列(priority_queue)用法详解这篇。
优先队列的常用函数有:
push(elem) 插入元素到队尾(并排序) pop() 删除队首元素,但不返回其值 top() 返回队首元素,但不删除该元素 empty() 判度队列是否为空,为空返回true,不为空返回false size() 返回队列中元素的个数 emplace 原地构造一个元素并插入队列
-基于堆排序的方法的解题代码
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
priority_queue<int, vector<int>, greater<int>> pq;
for(int num : nums)
{
if (pq.size() == k && num > pq.top()) {
pq.pop();
pq.push(num);
}
else if (pq.size() == k) {
continue;
}
else {
pq.push(num);
}
}
return pq.top();
}
};
-基于堆排序的方法的解题代码(精简版)
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
priority_queue<int, vector<int>, greater<int>> pq;
for(int num : nums)
{
pq.push(num);
if (pq.size() > k) pq.pop();
}
return pq.top();
}
};