Hot100 堆
215. 数组中的第K个最大元素 - 力扣（LeetCode）
堆排序
我们可以借助一个小顶堆来维护当前堆内元素的最小值，同时保证堆的大小为 k：
遍历数组将元素入堆；
如果当前堆内元素超过 k 了，我们就把堆顶元素去除，即去除当前的最小值。
因此我们在元素入堆的过程中，不断淘汰最小值，最终留在堆中就是数组中前 k 个最大元素，并且堆顶元素为前 k 大元素中的最小值，即为第 k 个元素。
class Solution {
//我们可以借助一个小顶堆来维护当前堆内元素的最小值，同时保证堆的大小为 k：
//遍历数组将元素入堆；
//如果当前堆内元素超过 k 了，我们就把堆顶元素去除，即去除当前的最小值。
//因此我们在元素入堆的过程中，不断淘汰最小值，最终留在堆中就是数组中前 k 个最大元素，并且堆顶元素为前 k 大元素中的最小值，即为第 k 个元素。
public int findKthLargest(int[] nums, int k) {
Queue<Integer> pq=new PriorityQueue<>();
for(int num: nums){
pq.offer(num);
if(pq.size() > k){
pq.poll(); // 堆中元素超过k个，弹出最小的那个
}
}
return pq.peek();
}
}注意：这种方法并不是设置堆的大小只能是k，而是当堆为k+1大小时候自动的去删除最小的。省去了人为判断
347. 前 K 个高频元素 - 力扣（LeetCode）
这道题和上一道的区别在于我们重写了Comparator，采用了根据map.value来排序
注意：最后要通过res.stream().mapToInt(Integer::intValue).toArray()；转换回int[]
-
创建流：
res.stream()将List<Integer>转换为一个流。 -
映射为原始类型：
mapToInt(Integer::intValue)将流中的每个Integer对象转换为int。 -
收集为数组：
toArray()将流中的int类型元素收集到一个int[]数组中。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer,Integer> hashmap=new HashMap<>();
//借助 哈希表 来建立数字和其出现次数的映射，遍历一遍数组统计元素的频率
for(int n:nums)
{
hashmap.put(n,hashmap.getOrDefault(n,0)+1);
}
//这里需要自己重写Comparater
频率第k大 还是用最小堆，规则是按map的value排序
PriorityQueue<Integer> pq=new PriorityQueue<>(
new Comparator<Integer>()
{
@Override
public int compare(Integer a,Integer b)
{
return hashmap.get(a)-hashmap.get(b);
}
}
);
for (Integer key : hashmap.keySet()) {
pq.offer(key);
if(pq.size()>k) pq.poll();//去掉出现频率最小的
}
// 取出最小堆中的元素
List<Integer> res = new ArrayList<>();
while (!pq.isEmpty()) {
res.add(pq.poll());
}
return res.stream().mapToInt(Integer::intValue).toArray();
}
}在 Java 中，两个冒号 :: 是 方法引用 的语法符号，它用于直接引用已存在的方法，而无需通过匿名类或 Lambda 表达式显式调用。方法引用是 Java 8 引入的一个特性，主要用于简化代码，使其更加简洁和易读。
方法引用的作用
方法引用允许你直接引用一个类或对象的现有方法，而不是通过 Lambda 表达式重新实现相同的功能。它通常用于与函数式接口（如 Function、Consumer、Supplier 等）一起使用。
方法引用的常见形式
方法引用有以下几种形式：
-
静态方法引用
格式：类名::静态方法名
示例：Math::abs，表示引用Math类中的abs静态方法。 -
实例方法引用
格式：对象名::实例方法名
示例：string::length，表示引用某个字符串对象的length()方法。 -
类方法引用
格式：类名::实例方法名
示例：String::length，表示引用任意字符串对象的length()方法。 -
构造方法引用
格式：类名::new
示例：ArrayList::new，表示引用ArrayList的构造方法。
295. 数据流的中位数 - 力扣（LeetCode）
具体的，我们可以使用两个优先队列（堆）来维护整个数据流数据，令维护数据流左半边数据的优先队列（堆）为 l，维护数据流右半边数据的优先队列（堆）为 r。
显然，为了可以在 O(1) 的复杂度内取得当前中位数，我们应当令 l 为大根堆，r 为小根堆，并人为固定 l 和 r 之前存在如下的大小关系：
当数据流元素数量为偶数：l 和 r 大小相同，此时动态中位数为两者堆顶元素的平均值；
当数据流元素数量为奇数：l 比 r 多一，此时动态中位数为 l 的堆顶原数。
为了满足上述说的奇偶性堆大小关系，在进行 addNum 时，我们应当分情况处理：
1.插入前两者大小相同，总数为偶数时，即将变成奇数。先将数字放入r，然后把r中最小的数给l。将判断的权力交给堆。
2.插入前两者大小不同，总数为奇数时，即将变成偶数。先放到大根堆，然后从大根堆中拿出一个最大的放到r去
总而言之，必须保持大小 l==r 或是 l=r+1;
class MedianFinder {
PriorityQueue<Integer> l = new PriorityQueue<>((a, b) -> b - a); // 大根堆
PriorityQueue<Integer> r = new PriorityQueue<>((a, b) -> a - b); // 小根堆
public MedianFinder() {
}
//永远保持l比r多1
public void addNum(int num) {
// 总数为偶数时，即将变成奇数。先将数字放入r，然后把r中最小的数给l。将判断的权力交给堆。
if (l.size() == r.size()) {
r.offer(num);
l.offer(r.poll());
} else { // 总数为奇数时，即将变成偶数 从大根堆中拿出一个放到r去
l.offer(num);
r.offer(l.poll());
}
}
public double findMedian() {
// 总数为偶数时，中位数是两个堆顶的平均值
if (l.size() == r.size()) {
return (l.peek() + r.peek()) / 2.0;
} else { // 总数为奇数时，中位数是大根堆的堆顶
return l.peek();
}
}
}