215. 数组中的第K个最大元素

给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。

请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。

你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。

示例:
输入: [3,2,3,1,2,4,5,5,6], k = 4
输出: 4

Solution

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        nums.sort()
        return nums[-k]

利用最小堆可以更高效地解决此问题，特别是当数组非常大，而 k 相对较小时。

class Solution:
    def findKthLargest(self, nums: List[int], k: int) -> int:
        min_heap = []  # 初始化最小堆
        for num in nums:
            heapq.heappush(min_heap, num)  # 将元素添加到最小堆中
            if len(min_heap) > k:          # 如果堆的大小超过 k，则弹出最小元素
                heapq.heappop(min_heap)
        return min_heap[0]  # 堆顶的元素就是第 k 个最大元素

347. 前 K 个高频元素

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

示例:
输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

Solution

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        # 计数每个数字的出现频率
        count = Counter(nums)
        
        # 使用最小堆找到频率最高的 k 个元素
        min_heap = []
        for num, freq in count.items():
            heapq.heappush(min_heap, (freq, num))
            if len(min_heap) > k:
                heapq.heappop(min_heap)
        
        # 从堆中提取结果
        return [num for freq, num in min_heap]

295. 数据流的中位数

中位数是有序整数列表中的中间值。如果列表的大小是偶数，则没有中间值，中位数是两个中间值的平均值。

实现 MedianFinder 类:

MedianFinder() 初始化 MedianFinder 对象。

void addNum(int num) 将数据流中的整数 num 添加到数据结构中。

double findMedian() 返回到目前为止所有元素的中位数。与实际答案相差 10-5 以内的答案将被接受。

示例：

输入：
[“MedianFinder”, “addNum”, “addNum”, “findMedian”, “addNum”, “findMedian”]
[[], [1], [2], [], [3], []]

输出：
[null, null, null, 1.5, null, 2.0]

解释：
MedianFinder medianFinder = new MedianFinder();
medianFinder.addNum(1); // arr = [1]
medianFinder.addNum(2); // arr = [1, 2]
medianFinder.findMedian(); // 返回 1.5 ((1 + 2) / 2)
medianFinder.addNum(3); // arr[1, 2, 3]
medianFinder.findMedian(); // return 2.0

Solution