LeetCode——703. 数据流中的第 K 大元素(Kth Largest Element in a Stream)——分析及代码(Java)
作者:互联网
LeetCode——703. 数据流中的第 K 大元素[Kth Largest Element in a Stream]——分析及代码[Java]
一、题目
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。
请实现 KthLargest 类:
- KthLargest(int k, int[] nums) 使用整数 k 和整数流 nums 初始化对象。
- int add(int val) 将 val 插入数据流 nums 后,返回当前数据流中第 k 大的元素。
示例:
输入:
["KthLargest", "add", "add", "add", "add", "add"]
[[3, [4, 5, 8, 2]], [3], [5], [10], [9], [4]]
输出:
[null, 4, 5, 5, 8, 8]
解释:
KthLargest kthLargest = new KthLargest(3, [4, 5, 8, 2]);
kthLargest.add(3); // return 4
kthLargest.add(5); // return 5
kthLargest.add(10); // return 5
kthLargest.add(9); // return 8
kthLargest.add(4); // return 8
提示:
- 1 <= k <= 104
- 0 <= nums.length <= 104
- -104 <= nums[i] <= 104
- -104 <= val <= 104
- 最多调用 add 方法 104 次
- 题目数据保证,在查找第 k 大元素时,数组中至少有 k 个元素
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/kth-largest-element-in-a-stream
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
二、分析及代码
1. 堆(优先队列)
(1)思路
设计一个小顶堆(优先队列),依次插入数据,当其中元素个数大于 k 时,弹出最小元素。此时堆顶即为第 k 大的元素。
(2)代码
class KthLargest {
int k;
PriorityQueue<Integer> pq;
public KthLargest(int k, int[] nums) {
this.k = k;
pq = new PriorityQueue<>();
for (int num : nums)
add(num);
}
public int add(int val) {
pq.offer(val);
if (pq.size() > k)
pq.poll();
return pq.peek();
}
}
(3)结果
执行用时 :18 ms,在所有 Java 提交中击败了 88.31% 的用户;
内存消耗 :43.7 MB,在所有 Java 提交中击败了 61.50% 的用户。
三、其他
暂无。
标签:kthLargest,元素,Java,Stream,int,KthLargest,703,add,return 来源: https://blog.csdn.net/zml66666/article/details/113853627