[优先级队列] LeetCode 703. 数据流中的第 K 大元素

最新推荐文章于 2025-05-06 23:31:09 发布

原创最新推荐文章于 2025-05-06 23:31:09 发布 · 189 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#队列 #leetcode

LeetCode 同时被 2 个专栏收录

40 篇文章

订阅专栏

堆 | 优先级队列

1 篇文章

订阅专栏

该博客介绍了如何利用优先级队列（小顶堆）来解决数据流中查找第k大元素的问题。通过维护一个大小为k的小顶堆，每次添加元素时判断是否需要更新堆，最终能够实时返回当前数据流的第k大元素。示例代码展示了C++的实现方式。

703. 数据流中的第 K 大元素

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 1：

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 <= 10^4
0 <= nums.length <= 10^4
-10^4 <= nums[i] <= 10^4
-10^4 <= val <= 10^4
最多调用 add 方法 10^4 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

解题思路（优先级队列）
- 维护一个小顶堆,且小顶堆的大小始终为k;
- 当add操作时,若小顶堆的大小小于k,则直接push;若新加入的元素小于堆顶元素,则直接返回堆顶元素;若新加入的元素大于堆顶元素,则先pop后再push新元素。


class KthLargest {
public:
    KthLargest(int k, vector<int>& nums){
        cnt = k;
        for(auto x : nums){
            Q.push(x);
            if(Q.size() > cnt) Q.pop();
        }
    }
    
    int add(int val) {
        if(Q.size() < cnt) Q.push(val);
        else{
            if(val < Q.top()) return Q.top();
            Q.pop();
            Q.push(val);
        }   
        return Q.top();
    }
    int cnt;
    priority_queue<int,vector<int>,greater<int>> Q;
};

/**
 * Your KthLargest object will be instantiated and called as such:
 * KthLargest* obj = new KthLargest(k, nums);
 * int param_1 = obj->add(val);
 */