扬声器在这种情况下是错误的。实际费用为
O(n *log(t))。仅在
t可迭代的第一个元素上调用堆化。就是那个
O(t)，但如果
t小于，则微不足道
n。然后，将所有剩余的元素一次通过添加到此“小堆”中
heappushpop。
O(log(t))每次调用需要花费时间
heappushpop。堆的长度始终保持不变
t。最后，对堆进行了排序，这很费钱
O(t* log(t))，但是如果堆
t大小小于，那么这也是无关紧要的
n。
理论上的乐趣;-)
有相当容易的方法可以在预期的
O(n)时间内找到第t个最大元素。例如，请参阅此处。在最坏的情况下，有更困难的方法可以做到这一点
O(n)。然后，在输入上的另一遍操作中，您可以输出
t>
=第t个最大元素（在重复的情况下具有繁琐的复杂性）。因此，整个工作 可以 及时完成
O(n)。
但是这些方式也需要
O(n)内存。Python不使用它们。实际实现的一个优点是，最坏情况下的“额外”内存负担为
O(t)，当输入是例如生成大量值的生成器时，这可能非常重要。
