215. 数组中的第K个最大元素

快速选择

1. Arrays.sort() 调库快排
   时间复杂度 ，空间复杂度

2. ⭐randPartition() 返回 pivot 的下标 p，代表 pivot 为 第 p 小的值。通过 p 与 k 比较来反复调用（分治）。
   注：等号加在哪需要仔细考虑
   时间复杂度 ，空间复杂度

注：

• randPartition() 把数组分成了两部分。如果是快速排序，会在这里递归地对两部分进行快速排序。而在快速选择中，由于知道要找的第 小的元素在哪部分中，我们不需要对两部分都做处理，这样就将平均时间复杂度下降到 。

• Random rand = new Random();
  int p = rand.nextInt(r - l + 1) + l;
  // 随机数生成
  

堆

• 创建一个大顶堆，将所有数组中的元素加入堆中，并保持堆的大小小于等于 。这样，堆中就保留了前 个最大的元素。这样，堆顶的元素就是正确答案。
  PriorityQueue 实现原理为二叉小顶堆（可自定义Comparator）。poll() 为弹出小顶堆堆顶元素。
  时间复杂度 ，空间复杂度 。

    public int findKthLargest(int[] nums, int k) {
        PriorityQueue<Integer> pq = new PriorityQueue<>(); // 小顶堆
        for (int val : nums) {
            pq.add(val);
            if (pq.size() > k)  // 维护堆的大小为 K
                pq.poll();
        }
        return pq.peek();
    } 
  

💣347. 前 K 个高频元素

自己没想出来

哈希表 + 桶排序（或建堆等排序算法）

将每个元素的出现频率存到哈希表。设置若干个桶，每个桶存储出现频率相同的数。桶的下标表示数出现的频率，即第 个桶中存储的数出现的频率为 。
从后向前遍历桶，最先得到的 个数就是出现频率最多的的 个数。

桶用 List<Integer>[] 表示。

• ⭐注意 List 数组的初始化。

List<Integer>[] tempList = new ArrayList[nums.length];
for (...) {
    tempList[i] = new ArrayList<>();
}

• ⭐对于 List<List<Integer>> 类型，可以这样作插入（18题）

// result 为 List<List<Integer>> 类型， nums[i] 为 Integer
// Arrays.asList：数组转换为 List
// 8 个基本类型无法作为 asList 的参数，因此要用包装类型，如 Integer
result.add(new ArrayList<>(Arrays.asList(nums[i], nums[j], nums[l], nums[r])));

451. 根据字符出现频率排序

与上一题解法相同

哈希表 + 堆排序

桶排序时间复杂度优于堆排序。

• 字符串的处理对运行速度有较大影响。
  String 通过 + 运算符的拼接速度很慢（题目超时）。 StringBuilder 中 append() 比 insert() 更快。

💣75. 颜色分类（荷兰国旗🇳🇱问题）

⭐三路快速排序 或 桶排序

// 三路快排思想，大于 1 的放右边，小于 1 的放左边，等于 1 的不动
while (one < two) {
    if (nums[one] == 0) {
        swap(nums, ++zero, one++);
    }
    else if (nums[one] == 2) {
        swap(nums, --two, one);
    }
    else {
        ++one;
    }
}