怎样建设网站网站,西部数码网站建设,网站布局设计,网页布局设计方式目录
leetcode215题.数组中的第k个最大元素
leetcode347题.前k个高频元素
leetcode295题.数据流的中位数 对优先队列感兴趣的朋友可以去看我上一篇文章。
优先队列基础讲解-CSDN博客
leetcode215题.数组中的第k个最大元素
215. 数组中的第K个最大元素 - 力扣#xff08;…目录
leetcode215题.数组中的第k个最大元素
leetcode347题.前k个高频元素
leetcode295题.数据流的中位数 对优先队列感兴趣的朋友可以去看我上一篇文章。
优先队列基础讲解-CSDN博客
leetcode215题.数组中的第k个最大元素
215. 数组中的第K个最大元素 - 力扣LeetCode 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 1: 输入: [3,2,1,5,6,4], k 2
输出: 5示例 2: 输入: [3,2,3,1,2,4,5,5,6], k 4
输出: 4提示 1 k nums.length 105-104 nums[i] 104 class Solution {public int findKthLargest(int[] nums, int k) {// 默认是小根堆 复杂度 空间O(k). 时间 nlogkQueueInteger minQueue new PriorityQueue();for(int i 0 ; i nums.length; i){if(minQueue.size() k){minQueue.offer(nums[i]);}else if(minQueue.peek() nums[i]){minQueue.poll();minQueue.offer(nums[i]);}}return minQueue.peek();}
}leetcode347题.前k个高频元素
347. 前 K 个高频元素 - 力扣LeetCode 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 1: 输入: nums [1,1,1,2,2,3], k 2
输出: [1,2]示例 2: 输入: nums [1], k 1
输出: [1]提示 1 nums.length 105k 的取值范围是 [1, 数组中不相同的元素的个数]题目数据保证答案唯一换句话说数组中前 k 个高频元素的集合是唯一的 class Solution {public int[] topKFrequent(int[] nums, int k) {// 创建一个HashMap用于存储数字及其出现的频率MapInteger,Integer map new HashMap();// 遍历输入数组统计每个数字出现的次数for(int num:nums){map.put(num,map.getOrDefault(num,0)1);}// 创建一个优先队列最小堆用于存储频率最高的k个数字PriorityQueueInteger queue new PriorityQueue(new ComparatorInteger(){public int compare(Integer a,Integer b){// 比较两个数字的频率频率高的排在前面return map.get(a) - map.get(b);}});// 遍历HashMap的键集将前k个频率最高的数字添加到优先队列中for(Integer key:map.keySet()){if(queue.size() k){queue.add(key);}else if(map.get(key) map.get(queue.peek())){// 如果当前数字的频率大于优先队列中的最小频率则替换最小频率的数字queue.poll();queue.add(key);}}// 创建一个长度为k的数组用于存储结果int [] res new int[k];int index 0;// 从优先队列中依次取出元素将其添加到结果数组中while(!queue.isEmpty()){res[index] queue.poll();}// 返回结果数组return res;}
}leetcode295题.数据流的中位数
295. 数据流的中位数 - 力扣LeetCode 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。 例如 arr [2,3,4] 的中位数是 3 。例如 arr [2,3] 的中位数是 (2 3) / 2 2.5 。 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 1 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提示: -105 num 105在调用 findMedian 之前数据结构中至少有一个元素最多 5 * 104 次调用 addNum 和 findMedian class MedianFinder {//QueueInteger max;// 保存较小那部分并且多保存一个QueueInteger min;// 保存较大那部分public MedianFinder() {max new PriorityQueue((x,y)-(y - x));min new PriorityQueue();}public void addNum(int num) {// 偶数if(max.size() min.size()){min.offer(num);max.offer(min.poll());} else {max.offer(num);min.offer(max.poll());}}public double findMedian() {int size max.size() min.size();if(size % 2 1){return max.peek() * 1.0;}else{return (max.peek() min.peek()) / 2.0;}}
}/*** Your MedianFinder object will be instantiated and called as such:* MedianFinder obj new MedianFinder();* obj.addNum(num);* double param_2 obj.findMedian();*/
