Python 堆 Heap 解决第K大(小)问题

1.Python中Heap是基于列表list实现的。

2.Python中Heap有标准的库函数，直接import heapq 即可

3.Python中Heap默认为最小堆 min_heap,也就是堆顶元素始终是堆中最小的元素。

3.heapify可以在线性O(n)的时间复杂度内将输入的列表转化为堆，用于创建一个堆。

list=heapify(list) #这时候list数组，就已经是按堆结构放置的数组了。

4.nlargest、nsmallest求解列表中(此列表不一定按照堆的方式排列)前K大的元素和前K小的元素,返回的是一个列表，包含前K大(K小)元素的列表。

items=heapq.nlargest(k, list) 

5.heappush和heappop方法，压入和弹出方法,但在push或者pop之后，仍保持是一个堆栈。

heapq.heappush(list,val) # 将数值 val 插入堆中，插入之后，仍保持最大(最小)堆结构

6.heappushpop方法，先push,再pop,实现了在保持堆中数量不变的同时更新了堆。

heapq.heappushpop(list,val) # 先将数值val插入堆中，插入之后最大(最小)堆结构进行调整，但仍保持堆，再将新堆的堆顶元素弹出，list是按照堆结构来放置的数组

 

LeetCode 703. 数据流中的第K大元素

import heapq
class KthLargest:
    def __init__(self, k: int, nums):
        self.pool = heapq.nlargest(k, nums)
        heapq.heapify(self.pool)
        self.k = k

    def add(self, val: int) -> int:
        if len(self.pool) < self.k:
            heapq.heappush(self.pool,val)
        else:
            heapq.heappushpop(self.pool,val)
        return self.pool[0]