feat: Add the section of Top-K problem (#551)

* Add the section of Top-K problem

* Update my_heap.py

* Update build_heap.md

* Update my_heap.py

docs/chapter_heap/build_heap.md

@@ -1,4 +1,4 @@
-# 建堆操作 *
+# 建堆操作
 
 如果我们想要根据输入列表生成一个堆，这个过程被称为「建堆」。
 

docs/chapter_heap/top_k.md

@@ -0,0 +1,133 @@
+# Top-K 问题
+
+!!! question
+
+    给定一个长度为 $n$ 无序数组 `nums` ，请返回数组中前 $k$ 大的元素。
+
+对于该问题，我们先介绍两种思路比较直接的解法，再介绍效率更高的堆解法。
+
+## 方法一：遍历选择
+
+我们可以进行 $k$ 轮遍历，分别在每轮中提取第 $1$ , $2$ , $\cdots$ , $k$ 大的元素，时间复杂度为 $O(nk)$ 。
+
+该方法只适用于 $k \ll n$ 的情况，因为当 $k$ 与 $n$ 比较接近时，其时间复杂度趋向于 $O(n^2)$ ，非常耗时。
+
+![遍历寻找最大的 $k$ 个元素](top_k.assets/top_k_traversal.png)
+
+!!! tip
+
+    当 $k = n$ 时，我们可以得到从大到小的序列，等价于「选择排序」算法。 
+
+## 方法二：排序
+
+我们可以对数组 `nums` 进行排序，并返回最右边的 $k$ 个元素，时间复杂度为 $O(n \log n)$ 。
+
+显然，该方法“超额”完成任务了，因为我们只需要找出最大的 $k$ 个元素即可，而不需要排序其他元素。
+
+![排序寻找最大的 $k$ 个元素](top_k.assets/top_k_sorting.png)
+
+## 方法三：堆
+
+我们可以基于堆更加高效地解决 Top-K 问题，流程如下：
+
+1. 初始化一个小顶堆，其堆顶元素最小；
+2. 先将数组的前 $k$ 个元素依次入堆；
+3. 从第 $k + 1$ 个元素开始，若当前元素大于堆顶元素，则将堆顶元素出堆，并将当前元素入堆；
+4. 遍历完成后，堆中保存的就是最大的 $k$ 个元素；
+
+=== "<1>"
+    ![基于堆寻找最大的 $k$ 个元素](top_k.assets/top_k_heap_step1.png)
+
+=== "<2>"
+    ![top_k_heap_step2](top_k.assets/top_k_heap_step2.png)
+
+=== "<3>"
+    ![top_k_heap_step3](top_k.assets/top_k_heap_step3.png)
+
+=== "<4>"
+    ![top_k_heap_step4](top_k.assets/top_k_heap_step4.png)
+
+=== "<5>"
+    ![top_k_heap_step5](top_k.assets/top_k_heap_step5.png)
+
+=== "<6>"
+    ![top_k_heap_step6](top_k.assets/top_k_heap_step6.png)
+
+=== "<7>"
+    ![top_k_heap_step7](top_k.assets/top_k_heap_step7.png)
+
+=== "<8>"
+    ![top_k_heap_step8](top_k.assets/top_k_heap_step8.png)
+
+=== "<9>"
+    ![top_k_heap_step9](top_k.assets/top_k_heap_step9.png)
+
+总共执行了 $n$ 轮入堆和出堆，堆的最大长度为 $k$ ，因此时间复杂度为 $O(n \log k)$ 。该方法的效率很高，当 $k$ 较小时，时间复杂度趋向 $O(n)$ ；当 $k$ 较大时，时间复杂度不会超过 $O(n \log n)$ 。
+
+另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现最大 $k$ 个元素的动态更新。
+
+=== "Java"
+
+    ```java title="top_k.java"
+    [class]{top_k}-[func]{topKHeap}
+    ```
+
+=== "C++"
+
+    ```cpp title="top_k.cpp"
+    [class]{}-[func]{topKHeap}
+    ```
+
+=== "Python"
+
+    ```python title="top_k.py"
+    [class]{}-[func]{top_k_heap}
+    ```
+
+=== "Go"
+
+    ```go title="top_k.go"
+    [class]{maxHeap}-[func]{topKHeap}
+    ```
+
+=== "JavaScript"
+
+    ```javascript title="top_k.js"
+    [class]{}-[func]{topKHeap}
+    ```
+
+=== "TypeScript"
+
+    ```typescript title="top_k.ts"
+    [class]{}-[func]{topKHeap}
+    ```
+
+=== "C"
+
+    ```c title="top_k.c"
+    [class]{maxHeap}-[func]{topKHeap}
+    ```
+
+=== "C#"
+
+    ```csharp title="top_k.cs"
+    [class]{top_k}-[func]{topKHeap}
+    ```
+
+=== "Swift"
+
+    ```swift title="top_k.swift"
+    [class]{}-[func]{topKHeap}
+    ```
+
+=== "Zig"
+
+    ```zig title="top_k.zig"
+    [class]{}-[func]{topKHeap}
+    ```
+
+=== "Dart"
+
+    ```dart title="top_k.dart"
+    [class]{}-[func]{top_k_heap}
+    ```

docs/index.md

@@ -82,7 +82,7 @@ hide:
 
 <h3 align="left"> 作者简介 </h3>
 
-靳宇栋 (Krahets)，大厂高级算法工程师，上海交通大学硕士。力扣（LeetCode）全网阅读量最高博主，其 LeetBook《图解算法数据结构》已被订阅 22 万本。
+靳宇栋 (Krahets)，大厂高级算法工程师，上海交通大学硕士。力扣（LeetCode）全网阅读量最高博主，其 LeetBook《图解算法数据结构》已被订阅 24 万本。
 
 ---