优先队列经典例题leetcode思路代码详解

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 nlogkQueue<Integer> 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 <= 105
• k 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Map<Integer,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PriorityQueue<Integer> queue = new PriorityQueue<>(new Comparator<Integer>(){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 {//Queue<Integer> max;// 保存较小那部分，并且多保存一个Queue<Integer> 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();*/