leetcode 數組中的第K個最大元素

題目描述

在未排序的數組中找到第 k 個最大的元素。請注意，你需要找的是數組排序後的第 k 個最大的元素，而不是第 k 個不同的元素。

示例 1:

輸入: [3,2,1,5,6,4] 和 k = 2
輸出: 5

示例 2:

輸入: [3,2,3,1,2,4,5,5,6] 和 k = 4
輸出: 4

說明:

你可以假設 k 總是有效的，且 1 ≤ k ≤ 數組的長度。

思路：

和劍指offer的最小的k個數差不多，這裏求第k大的元素可以看作轉換爲求第len-k+1小的元素，就和那題一模一樣了。

兩種解法，參考最小的k個數那篇：

/**
 * @author yuan
 * @date 2019/2/19
 * @description 使用快排
 */
public class 數組中的第K個最大元素 {
    public int findKthLargest(int[] nums, int k) {
        // 找第k大的元素相當於找第len - k + 1小的元素
        k = nums.length - k + 1;

        int l = 0, r = nums.length - 1;
        int index = partition(nums, l, r);
        while (index != k - 1) {
            if (index > k - 1) {
                r = index - 1;
                index = partition(nums, l, r);
            } else {
                l = index + 1;
                index = partition(nums, l, r);
            }
        }
        return nums[index];
    }


    private int partition(int[] a, int l, int r) {
        int i = l, j = r;
        int base = a[l];
        while (i < j) {
            while (i < j && a[j] >= base) {
                --j;
            }
            while (i < j && a[i] <= base) {
                ++i;
            }
            if (i < j) {
                swap(a, i, j);
            }
        }
        swap(a, l, i);
        return i;
    }

    private void swap(int[] a, int i, int j) {
        int temp = a[i];
        a[i] = a[j];
        a[j] = temp;
    }

}

 

 

使用最大堆：

import java.util.Comparator;
import java.util.PriorityQueue;

/**
 * @author yuan
 * @date 2019/2/20
 * @description
 */
public class 數組中的第K個最大元素 {
    public int findKthLargest(int[] nums, int k) {
        int len = nums.length;
        k = len - k + 1;
        PriorityQueue<Integer> maxHeap = new PriorityQueue<>(len, Comparator.reverseOrder());

        for (int i = 0; i < len; i++) {
            if (maxHeap.size() < k) {
                maxHeap.offer(nums[i]);
            } else if (nums[i] < maxHeap.peek()) {
                maxHeap.poll();
                maxHeap.offer(nums[i]);
            }
        }
        return maxHeap.peek();
    }
}