力扣排序算法

Kth Element 问题

用于求解 Kth Element 问题，也就是第 K 个元素的问题
快速排序的 partition() 进行实现。需要先打乱数组，否则最坏情况下时间复杂度为 O(N2)

堆

用于求解 TopK Elements 问题，也就是 K 个最小元素的问题。可以维护一个大小为 K 的最小堆，最小堆中的元素就是最小元素。最小堆需要使用大顶堆来实现，大顶堆表示堆顶元素是堆中最大元素。这是因为我们要得到 k 个最小的元素，因此当遍历到一个新的元素时，需要知道这个新元素是否比堆中最大的元素更小，更小的话就把堆中最大元素去除，并将新元素添加到堆中。所以我们需要很容易得到最大元素并移除最大元素，大顶堆就能很好满足这个要求。
堆也可以用于求解 Kth Element 问题，得到了大小为 k 的最小堆之后，因为使用了大顶堆来实现，因此堆顶元素就是第 k 大的元素。
快速选择也可以求解 TopK Elements 问题，因为找到 Kth Element 之后，再遍历一次数组，所有小于等于 Kth Element 的元素都是 TopK Elements。
可以看到，快速选择和堆排序都可以求解 Kth Element 和 TopK Elements 问题。

215. 数组中的第K个最大元素

1.要求

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。

2. 思路

1.将数组排序然后出去第k个元素
2.使用堆，思路是创建一个大顶堆，将所有数组中的元素加入堆中，并保持堆的大小小于等于 k。这样，堆中就保留了前 k 个最大的元素。这样，堆顶的元素就是正确答案
java 最小堆参考：https://blog.csdn.net/u013309870/article/details/71189189
排序 ：时间复杂度 O(NlogN)，空间复杂度 O(1)
堆 ：时间复杂度 O(NlogK)，空间复杂度 O(K)。
快速选择 ：时间复杂度 O(N)，空间复杂度 O(1)

java堆

class Solution {
   
    public int findKthLargest(int[] nums, int k) {
   
        PriorityQueue<Integer> pq = new PriorityQueue<>(); //最小堆
        for(int val:nums){
   
            pq.add(val);
            if(pq.size()>k){
   
                pq.poll();
            }
        }
        return pq.peek();
        
    }
}

python 排序

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        nums.sort(reverse=True)
        return nums[k-1]
        

python 堆

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        # nums.sort(reverse=True)
        # return nums[k-1]
        return heapq.nlargest(k, nums)[-1]
        
        

java 快速

class Solution {
   
    private int partition(int[] a, int l, int h) {
   
        int i = l, j = h + 1;
        while (true) {
   
            while (a[++i] < a[l] && i < h) ;
            while (a[--j] > a[l] && j > l) ;
            if