Update 0215. 数组中的第K个最大元素.md

itcharge · itcharge · commit 748f8921cc2b · 2022-09-07T18:05:54.000+08:00
diff --git a/Solutions/0215. 数组中的第K个最大元素.md b/Solutions/0215. 数组中的第K个最大元素.md
@@ -162,7 +162,7 @@ class Solution:
 
 ### 思路 3：借用标准库（不建议）
 
-提交代码中的最快代码是调用了 `Python` 的 `heapq` 库，或者 `sort` 方法。这种做法适合在打算法竞赛的时候节省时间，日常练习不建议不建议这样做。
+提交代码中的最快代码是调用了 `Python` 的 `sort` 方法。这种做法适合在打算法竞赛的时候节省时间，日常练习不建议不建议这样做。
 
 ### 思路 3：代码
 
@@ -173,22 +173,37 @@ class Solution:
         return nums[len(nums) - k]
 ```
 
+### 思路 3：复杂度分析
+
+- **时间复杂度**：$O(n \times \log_2n)$。
+- **空间复杂度**：$O(1)$。
+
+### 思路 4：优先队列
+
+1. 遍历数组元素，对于挡圈元素 `num`：
+   1. 如果优先队列中的元素个数小于 `k` 个，则将当前元素 `num` 放入优先队列中。
+   2. 如果优先队列中的元素个数大于等于 `k` 个，并且当前元素 `num` 大于优先队列的队头元素，则弹出队头元素，并将当前元素 `num` 插入到优先队列中。
+2. 遍历完，此时优先队列的队头元素就是第K个最大元素，将其弹出并返回即可。
+
+这里我们借助了 Python 中的 `heapq` 模块实现优先队列算法，这一步也可以通过手写堆的方式实现优先队列。
+
+### 思路 4：代码
+
 ```Python
 import heapq
 class Solution:
     def findKthLargest(self, nums: List[int], k: int) -> int:
         res = []
-        for n in nums:
+        for num in nums:
             if len(res) < k:
-                heapq.heappush(res, n)
-            elif n > res[0]:
+                heapq.heappush(res, num)
+            elif num > res[0]:
                 heapq.heappop(res)
-                heapq.heappush(res, n)
+                heapq.heappush(res, num)
         return heapq.heappop(res)
 ```
 
-### 思路 3：复杂度分析
-
-- **时间复杂度**：$O(n \times \log_2n)$。
-- **空间复杂度**：$O(1)$。
+### 思路 4：复杂度分析
 
+- **时间复杂度**：$O(n \times \log_2k)$。
+- **空间复杂度**：$O(k)$。
