nth_element(nums.begin(), nums.begin() + k - 1, nums.end(), greater<int>());
nums.begin()：陣列第一個位置
nums.begin() + k - 1：目標位置，也就是「第 k 大要放的位置」
nums.end()：陣列最後一個位置的後一格
greater()：用「大到小」的規則比較
nth_element(...)：只保證目標位置正確，不保證整體排序
return nums[k - 1];
nums[k - 1]：取出剛剛定位好的第 k 大
k - 1：因為 C++ index 從 0 開始，第 1 大在 index 0，第 2 大在 index 1

pivot 由 STL 內部演算法自己選，實作可能依 compiler 不同；它不是每次一定同一個。快的原因不是「把每個元素搬到絕對位置」，而是做 partition：小量交換，把資料分左右；平均情況只需要處理大約一半、再一半，所以平均 O(n)。

「第 k 大所在的那一側」一開始可能還很多個，但每次 partition 後範圍會縮小：
100 個
→ 只看其中約 50 個
→ 約 25 個
→ 約 12 個
→ ...
→ 找到第 k 大

nums[k-1] 就是因為 index 從 0 開始。

5. 不太像字典。字典 / Hash Map 是：已知 key → 很快找到 value。

這題：不知道「第 k 大是哪個值」，要先比較元素大小才能知道。

所以 Hash Map 不適合直接解「第 k 大」；它比較適合像 #347 那種「某個數字出現幾次」。

Hash Map雜湊表 計數、查某個值的出現、value→frequency;快用key找對應資料，平均查/更新 O(1)
Heap/Priority Queue堆積／優先佇列;找前k大or小、保留最重要的k個;不用全排，只維持需要的那小部分
Quickselect nth_element（快速選擇）;找第k大、第k小，且只查一次;不排序全，只定位k位，平均 O(n)
7.
Hash Map → 誰出現幾次？
Heap → 要前 k 個
Quickselect / nth_element → 第 k 個