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。
解法 1
初始化时对数组进行排序,保留前 K 个最大的元素,添加元素时判断数组长度是否达到 K,若未达到 K 则直接加入并排序,返回数组最小元素;若已达到 K 则判断该输入元素是否大于数组当前最小元素,若大于则加入并排序,返回数组最小元素;若小于则忽略,直接返回数组最小元素。
class KthLargest:
def __init__(self, k: int, nums):
self.pool = sorted(nums)[-k:]
self.k = k
def add(self, val: int) -> int:
if len(self.pool) < self.k:
self.pool.append(val)
self.pool = sorted(self.pool)
elif val > self.pool[0]:
self.pool.pop(0)
self.pool.append(val)
self.pool = sorted(self.pool)
return self.pool[0]
执行用时 :1308 ms
内存消耗 :17.6 MB
时间复杂度:每个元素都需要和最小值进行比较来决定是否加入数组,加入数组的元素都需要进行排序,按照快排的时间复杂度为 O(k log k),所以最复杂的情况下,时间复杂度为 O(n k log k)
空间复杂度:数组长度是固定的 K,所以空间复杂度为 O(1)
解法 2
利用小顶堆,堆顶为最小元素,初始化时将前 K 个最大的元素加入堆并完成排序,添加元素时判断堆的长度是否达到 K,若未达到 K 则直接加入并排序,返回最小元素;若已达到 K 则判断该输入元素是否大于最小元素,若大于则加入并排序,返回最小元素;若小于则忽略,直接返回最小元素。
import heapq
class KthLargest:
def __init__(self, k: int, nums):
self.pool = heapq.nlargest(k, nums)[::-1]
self.k = k
def add(self, val: int) -> int:
if len(self.pool) < self.k:
heapq.heappush(self.pool, val)
elif val > self.pool[0]:
heapq.heapreplace(self.pool, val)
return self.pool[0]
执行用时 :124 ms
内存消耗 :18.1 MB
时间复杂度:每个元素都需要和最小值进行比较来决定是否加入堆,加入堆的元素都需要进行排序,堆排序的时间复杂度为 O(log k),所以最复杂的情况下,时间复杂度为 O(n log k)
空间复杂度:堆长度是固定的 K,所以空间复杂度为 O(1)
参考
https://leetcode-cn.com/problems/kth-largest-element-in-a-stream/
网友评论