关于网站建设管理的规定店铺seo是什么意思
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>(){@Overridepublic 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1public 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();}}
}