Top-K问题，又称为k最值问题，是指在n个元素中找出最大的k个元素。在实际应用中，我们经常会遇到这种问题，例如，我们需要找出一个列表中最大的k个词，或者在一个商品列表中找出最大的k个商品等。
解决Top-K问题的一种常见方法是使用优先队列（也称为堆）来存储元素，并按照元素的值进行排序。这种方法的时间复杂度为O(n log k)，其中n为元素个数，k为需要找到的最大元素个数。
下面是使用Python实现Top-K问题的代码：
```python
import heapq
def top_k(nums, k):
if not nums:
return []
heap = []
for num in nums:
if len(heap) < k:
heapq.heappush(heap, num)
else:
if num > heap[0]:
heapq.heappop(heap)
heapq.heappush(heap, num)
result = [heap[0]]
for i in range(1, k):
if heap and heap[0] > heap[i]:
result.append(heap[i])
else:
break
return result
```
在这个代码中，我们首先检查输入的列表是否为空。如果为空，我们直接返回一个空列表。然后我们创建一个空的优先队列，并遍历输入的列表。对于每个元素，如果优先队列的大小小于k，我们就将元素添加到优先队列中。否则，我们将当前元素与优先队列中的最小元素进行比较。如果当前元素大于最小元素，我们就从优先队列中移除最小元素，并将当前元素添加到优先队列中。最后，我们返回优先队列中的前k个元素。
这个算法的时间复杂度为O(n log k)，空间复杂度为O(k)。这是因为我们需要使用一个优先队列来存储元素，而优先队列的大小最多为k。
