一句话答案

Top-K 三种解法：快速选择 O(n) 平均、小顶堆 O(nlogk) 适合流式、排序 O(nlogn) 最简单。

核心要点

方法	时间	空间	适用
快速选择	O(n)	O(1)	一次性大数据
小顶堆	O(nlogk)	O(k)	流式/动态
排序	O(nlogn)	O(1)	数据量小

小顶堆： 维护 K 大小的堆，遍历时比堆顶大就替换

追问与易错

追问方向：

• 快速选择的最坏情况怎么优化？
• Top-K 的 K 很大怎么办？
• 海量数据 Top-K 怎么做？

易错点：

• ❌ 排序是 Top-K 最好方案——堆方法 O(nlogk) 更优
• ❌ 小顶堆不是应该用大顶堆吗——Top-K 大用小顶堆

💡 记忆锚点

找最大的K个数，反直觉地用小顶堆：维护一个K大小的小顶堆，堆顶是"门槛"，比门槛高的才能进来把最矮的挤掉，最后堆里剩的就是最大的K个。流式数据用堆（O(nlogk)），一次性大数据用快速选择（O(n)均摊，类似快排但只递归一半），数据少直接排序。