找出数组中第K大元素

1. 基于快速排序实现

#include <iostream>
#include<vector>
using namespace std;

int partition(vector<int>& array, int left, int right){

    int povit = array[right];  // 选择最右的元素作为基准值
    int i = left, j = right -1;
    while (i <= j){
        if (array[i] <= povit){
            i++;
        }
        else if (array[j] > povit){
            j--;
        }
        else{
            swap(array[i], array[j]);
        }
    }
    swap(array[i], array[right]);

    return i;
}
// 使用快速排序思想
int findKthLargest(vector<int>& nums, int k) {
    int targetIndex = nums.size() - k;  // 计算第K大元素在升序数组中的索引
    int left = 0, right = nums.size() - 1;
    while(left <= right){
        // 当前基准值索引
        int curIndex = partition(nums, left, right);
        if (curIndex == targetIndex){
            cout<< nums[curIndex]<<endl;
            return 0;
        }
        else if (curIndex < targetIndex){
            left = curIndex + 1;
        }
        else {
            right = curIndex - 1;
        }
    }
    return 0;
}

int main()
{   vector<int> arr={9,8,7,6,5,4,3,2,1};
    findKthLargest(arr,3);
    cout << "Hello world!" << endl;
    return 0;
}

2. 基于小顶堆实现

#include <iostream>
#include<vector>
#include<queue>
using namespace std;
int findKthLargest(vector<int>& nums, int k) {
        priority_queue<int, vector<int>, greater<int>> Q;
        for(auto &num: nums){
            if(Q.size()==k){
                if(num>Q.top()){
                    Q.pop();
                    Q.push(num);
                }
            }
            else{
                Q.push(num);
            }
        }
        cout<<Q.top()<<endl;
        return 0;
}
int main()
{   vector<int> arr={9,8,7,6,5,4,3,2,1};
    findKthLargest(arr,3);
    cout << "Hello world!" << endl;
    return 0;
}
数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采集、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理中的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理中的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值