lomuto求第k小元素 python_「LeetCode算法精讲」数据流中的第K大元素(Python)

题目内容

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。

你的 KthLargest 类需要一个同时接收整数 k 和整数数组nums 的构造器，它包含数据流中的初始元素。每次调用 KthLargest.add，返回当前数据流中第K大的元素。

示例：

 int k = 3; int[] arr = [4,5,8,2]; KthLargest kthLargest = new KthLargest(3, arr); kthLargest.add(3);   // returns 4 kthLargest.add(5);   // returns 5 kthLargest.add(10);  // returns 5 kthLargest.add(9);   // returns 8 kthLargest.add(4);   // returns 8

说明：

你可以假设 nums 的长度≥ k-1 且 k ≥ 1。

来源：力扣(LeetCode)

链接：https://leetcode-cn.com/problems/kth-largest-element-in-a-stream

解法效率

LeetCode的Python执行用时随缘，只要时间复杂度没有明显差异，执行用时一般都在同一个量级，仅作参考意义。

解法一(二分插入)

【思路】

根据题目要求，我们很容易想到建立一个排序数组，将每次添加的数字按顺序插入到数组中，并取出数组第k大的数值。

这种方法在构造时需要排序，时间复杂度为O(NlogN)；之后每次插入的时间复杂度都是二分查找的O(logN)。

 class KthLargest:     def __init__(self, k: int, nums: List[int]):         self.k = k         self.nums = nums         self.nums.sort() ​     def add(self, val: int) -> int:         left = 0         right = len(self.nums)         idx = (left + right) // 2         while left < right:             if val < self.nums[idx]:                 right = idx             elif val > self.nums[idx]:                 left = idx + 1             else:                 break             idx = (left + right) // 2         self.nums.insert(idx, val)         return self.nums[-self.k]

解法二(二分插入；只存储最大的k个数)

【思路】

因为我们只会向排序数组中添加新元素，而不会移除已有的元素，已经不是最大的k个数的数，将永远不会成为最大的k个数；所以，我们可以将最大的k个数以外的其他数移除，不再存储。

这种方法在构造时需要完整排序，时间复杂度为O(NlogN)；但是之后每次插入都是二分查找k个数，其时间复杂度为O(logk)。

 class KthLargest:     def __init__(self, k: int, nums: List[int]):         nums.sort()         self.k = k         self.nums = nums[-self.k:] ​     def add(self, val: int) -> int:         left = 0         right = len(self.nums)         idx = (left + right) // 2         while left < right:             if val < self.nums[idx]:                 right = idx             elif val > self.nums[idx]:                 left = idx + 1             else:                 break             idx = (left + right) // 2         if len(self.nums) > self.k:             if idx > 0:                 self.nums.insert(idx, val)                 self.nums.pop(0)         else:             self.nums.insert(idx, val)         return self.nums[-self.k]

解法三(使用heapq)

【思路】

因为我们每次都需要将排序数组中最小的元素取出，所以我们也可以使用heapq堆实现，一直维护k个最大的数的数组。

具体实现如下：

 class KthLargest:     def __init__(self, k: int, nums: List[int]):         if len(nums) == k - 1:             self.heap = nums + [float("-inf")]         else:             self.heap = nums ​         heapq.heapify(self.heap) ​         print(self.heap)         for _ in range(len(nums) - k):             heapq.heappop(self.heap)         print(self.heap) ​     def add(self, val: int) -> int:         heapq.heappush(self.heap, val)         heapq.heappop(self.heap)         print(self.heap)         return self.heap[0]

heapq包含6个常用的函数：

• heappush(heap, x) 将x压入堆
• heappop(heap) 取出堆中最小的元素
• heapify(heap) 让列表具备堆特征
• heapreplace(heap, x) 弹出堆中最小的元素，再将x压入堆(注意先后顺序)
• nlargest(n, iter) 返回堆中最大的n个元素
• nsmallest(n, iter) 返回堆中最小的n个元素