【LeetCode215】- 第K大数

堆相关知识：

堆可以分为最大堆（最小堆），两者取最大（最小）时间复杂度为O（1），插入新的元素或删除元素，调整的时间复杂度均为O（log(n)）
这里面要注意最大堆（最小堆）的左右子树仍为最大堆（最小堆）

---

堆的库使用：

堆在C++中实现该数据结构的实际就是优先队列
优先队列

• #include < queue>

实现一

简要说一下思想就是，将所有数据压入优先级队列中，要第k大的元素，就先把之前k-1个元素弹出，取栈顶就是要的第k大的元素

#include <iostream>
#include <queue>
using namespace std;
class Solution {
public:
	int findKthLargest(vector<int>& nums, int k) {
		priority_queue<int> q;
		for (int i = 0;i < nums.size();i++) {
			q.push(nums[i]);
		}
		for (int i = 1;i < k;i++) {
			q.pop();
		}
		return q.top();
	}
};

库真好用，1分钟解一道题

实现一的评价与思考

我这种实现虽然比较简单，但难免每次都需要进行新的计算，而且维护的堆的大小是始终增加的，但n规模较小的时候还可以，但当n比较大的时候，调整堆还是比较耗时的，这种方法不仅耗时还耗空间

---

实现二

实现思想

由于要第k个大的元素，可以只维护一个大小为k的最小堆，但其实这个k个元素的堆里面放的是前k个最大的元素，由于题中要第k大的元素，这个元素在维护的这个堆中其实是最小的。

• 具体流程
  • 维护的堆元素小于k，新来的元素直接压入，否则按下列的规则进行
  • 新来的元素大于栈顶元素，栈顶元素弹出，压入新来的元素
  • 新来的元素小于栈顶元素，不作处理

时间复杂度

在LeetCode215中找第k大的数时，最原始的想法肯定是先排个序，然后再第K大的数据，那么时间复杂度为O（nlog(n)）当n和K相差的比较多的情况下O（nlog(n)）要比O（nlog(k)）大很多，在这种实现的方式下，维护的堆大小为k，那么时间复杂度为O（nlog(k)）

实现二代码