題目：
【方法一&二】
時間複雜度： o(n*logk), 向大小為k的堆中新增元素的時間複雜度為o(logk)，我們將重複該操作n次
空間複雜度：o(k) 用於儲存k個堆元素
自己解答（速度太慢？有待提高）：
# @time : 2019/10/9 下午01:04
# @file : 陣列中第k大元素_215.py
"""在未排序的陣列中找到第 k 個最大的元素。請注意，你需要找的是陣列排序後的第 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 ≤ 陣列的長度。
"""import heapq
import time
b = [3,2,1,5,6,4]
class solution:
def findkthlargest(self, nums, k):
heap = nums
# print(heap)
self.heapsort(heap)
# print(heap)
# new =
# for i in heap:
# if i not in new:
new = heap[::-1]
print(new)
find = new[k-1]
return find
def max_heapify(self, heap, heapsize, root):
"""堆調整"""
left = 2*root + 1
right = left + 1
larger = root
if left < heapsize and heap[larger] < heap[left]:
larger = left
if right < heapsize and heap[larger] < heap[right]:
larger = right
if larger != root:
heap[larger], heap[root] = heap[root], heap[larger]
self.max_heapify(heap, heapsize, larger)
def build_max_heap(self, heap):
"""構造乙個堆"""
heapsize = len(heap)
for i in range((heapsize-2)//2, -1, -1): # 從後往前調整
self.max_heapify(heap, heapsize, i)
def heapsort(self, heap):
"""將根節點取出與最後一位做對調，對前面len-1個節點繼續進行對調整過程"""
self.build_max_heap(heap)
for i in range(len(heap) - 1, -1, -1):
heap[0], heap[i] = heap[i], heap[0]
self.max_heapify(heap, i, 0) # size 不斷減小，這裡是i
分析：還是調庫的 heapq 速度快啊，基本比自己裸寫快3倍
【方法三】快速選擇演算法， 類似快排
待定
215 陣列中的第K個最大元素
思路1 快排 考慮先使用快排實現，練習快排。時間複雜度o n 如果我們把每次分割槽遍歷的元素個數加起來，就是 n n 2 n 4 n 8 1。這是乙個等比數列求和，最後的和等於 2n 1。所以，時間複雜度就為 o n 因為一次快排可以實現乙個數歸位，比較index和n k的大小 如果index n ...
215 陣列中的第K個最大元素
在未排序的陣列中找到第 k 個最大的元素。請注意，你需要找的是陣列排序後的第 k 個最大的元素，而不是第 k 個不同的元素。輸入 3,2,1,5,6,4 和 k 2 輸出 5 輸入 3,2,3,1,2,4,5,5,6 和 k 4 輸出 4 你可以假設 k 總是有效的，且 1 k 陣列的長度。思路和演...
215 陣列中的第K個最大元素
在未排序的陣列中找到第 k 個最大的元素。請注意，你需要找的是陣列排序後的第 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 首先明白一點，題目要求返回第n個最大的元...