大家好，我是速冻鱼🐟，一条水系前端💦，喜欢花里胡哨💐，持续沙雕🌲，是隔壁寒草🌿的好兄弟，刚开始写文章。 如果喜欢我的文章，可以关注➕点赞，为我注入能量，与我一同成长吧～
前言🌧️
算法，对前端人来说陌生又熟悉，很多时候我们都不会像后端工程师一样重视这项能力。但事实上，算法对每一个程序员来说，都有着不可撼动的地位。
因为开发的过程就是把实际问题转换成计算机可识别的指令，也就是《数据结构》里说的，「设计出数据结构，在施加以算法就行了」。
当然，学习也是有侧重点的，作为前端我们不需要像后端开发一样对算法全盘掌握，有些比较偏、不实用的类型和解法，只要稍做了解即可。
题目🦀
难度中等
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。
示例 1:
输入: [3,2,1,5,6,4] 和 k = 2 输出: 5
示例 2:
输入: [3,2,3,1,2,4,5,5,6] 和 k = 4 输出: 4
提示：
1 <= k <= nums.length <= 104-104 <= nums[i] <= 104
解题思路🌵
- 看到“第K个最大元素”
- 考虑选择使用最小堆
解题步骤🐂
- 构建一个最小堆，并依次把数组的值插入堆中。
- 当堆的容量超过k，就删除堆顶。
- 插入结束后，堆顶就是第K个最大元素。
源码🔥
class MinHeap{ constructor(){ this.heap=[]; } swap(i1,i2){ const temp=this.heap[i1]; this.heap[i1]=this.heap[i2]; this.heap[i2]=temp; } getLeftIndex(i){ return i*2+1; } getRightIndex(i){ return i*2+2; } getParentIndex(i){ //二进制数往右移一位 return (i-1) >> 1; } shiftUp(index){ if(index == 0){ return; } const parentIndex=this.getParentIndex(index); if(this.heap[parentIndex]>this.heap[index]){ this.swap(parentIndex,index); this.shiftUp(parentIndex); } } shiftDown(index){ const leftIndex=this.getLeftIndex(index); const rightIndex=this.getRightIndex(index); if(this.heap[leftIndex]<this.heap[index]){ this.swap(leftIndex,index); this.shiftDown(leftIndex); } if(this.heap[rightIndex]<this.heap[index]){ this.swap(rightIndex,index); this.shiftDown(rightIndex); } } insert(value){ this.heap.push(value) this.shiftUp(this.heap.length-1) } pop(){ this.heap[0]=this.heap.pop(); this.shiftDown(0); } peek(){ return this.heap[0]; } size(){ return this.heap.length; } } /** * @param {number[]} nums * @param {number} k * @return {number} */ var findKthLargest = function(nums, k) { const h=new MinHeap() nums.forEach(item=>{ h.insert(item) if(h.size()>k){ h.pop() } }) return h.heap[0] };
时间复杂度:O(n*log(K))
空间复杂度:O(k)
结束语🌞
那么鱼鱼的LeetCode算法篇的「LeetCode」215-数组中的第K个最大元素⚡️就结束了，算法这个东西没有捷径，只能多写多练，多总结，文章的目的其实很简单，就是督促自己去完成算法练习并总结和输出，菜不菜不重要，但是热爱🔥，喜欢大家能够喜欢我的短文，也希望通过文章认识更多志同道合的朋友，如果你也喜欢折腾，欢迎加我好友，一起沙雕，一起进步。
