寻找无序数组中第k大数

其实看到这个问题，作为一名力扣选手，我最先肯定想到sort，然后遍历即可，但是这个时候问题来了，sort的底层到底是什么，这个问题可能我们只是经常使用却很少关注。

下面我首先简单介绍一下sort的底层到底是什么？

浅谈sort函数底层：

        sort函数的底层用到的是内省式排序以及插入排序，那么什么是内省式排序呢？和插入排序又是如何组合的呢？

        根据维基百科描述：内省排序（英语：Introsort）是由David Musser在1997年设计的排序算法。这个排序算法首先从快速排序开始，当递归深度超过一定深度（深度为排序元素数量的对数值）后转为堆排序。

        那么我们再来回顾一下以上提到的3中排序方法：

       1.  快速排序：先选一个基准值（一般为首值），将比它大的数置于其右侧，将比它小的数置于它左侧，那么这个基准值所在的位置定是整个数组的有序位。然后递归该基准左右两子数组。算法复杂度为nlogn；
        2. 堆排序：将数组建立成大顶堆，重复从堆顶取出数值最大的结点(把根结点和最后一个结点交换，把交换后的最后一个结点移出堆，移出的这个数值为未排序数组的最后)，并让残余的堆维持大顶堆的性质。时间复杂度为nlogn；
        3. 插入排序：对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。时间复杂度为n2;

其中先讲下快排和堆排，快排的平均复杂度为nlogn，但是它的复杂度是根据基准值来决定的，基准值选择的不好，最坏的复杂度会达到n2，而堆排序的复杂度是一定的为nlogn，那为什么不直接使用堆排序呢，是因为在将堆顶值与最后一个结点值交换并移除最后一个值后，在重新建堆的过程中，交换到堆顶的值显然比每个结点要小，但还是要经过对比判断，这个判断其实是多余的，因此这是它相比快排较慢的原因。

        于是，内省式排序结合了快排和堆排的特点，当快速排序大于一定深度（2logn）时，采用堆排序，以维持nlogn的复杂度。

        在sort函数中，内省排序过程中子数组长度小于16时，采用的是插入排序，为什么呢？因为当数组长度较短时，就是数组已经大致排序过了，对大致有序的数组（即逆序对不多了）用插入排序的算法复杂度会很小，可以想象成理牌的过程。

        在了解了sort的底层之后我们对于无序数组中的第k大数也有了充分的理解，现在我们再回到这个问题是否有了不一样的体会。

        现在我们对于这个问题的理解已经进入了下一层，我们使用sort也学会了分析数据大小对应排序算法的选择，当然这里我还介绍一种算法中也会经常用到的数据结构：优先队列。

        对于优先队列，其实就是一个队列，同时该数组中维护了一个大顶堆（或者小顶堆）的性质，在队列的操作中，始终维护着该性质，以如下例题为例，更方便我们理解：

剑指 Offer II 076. 数组中的第 k 大的数字 - 力扣（Leetcode）

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        priority_queue<int,vector<int>,greater<int>>que;//小根堆存储大元素
        for(int i=0;i<nums.size();i++){
            que.push(nums[i]);
            if(que.size()>k){
                que.pop();
            }
        }
        return que.top();
    }
};
        相信到这里大家对于排序也有了更深的理解，同时对于我们开头的问题也不在是简单的脱口而出sort即可，而是遇到问题会思考他的原理是什么，我该如何的设计sort才能更加优化排序算法。这些基于sort的思考希望能帮助到大家。