H-Index 是衡量科学家或学者学术影响力的一种指标，它基于其发表论文的引用次数。具体来说，一个学者的 H-Index 是指他/她有 H 篇论文，每篇论文至少被引用了 H 次。

LeetCode 是一个在线编程平台，提供了大量的编程题目，帮助程序员提升编程能力和准备技术面试。LeetCode 上的题目涵盖了算法、数据结构、数据库、Shell 脚本等多个领域。

题目编号 274 在 LeetCode 上对应的是“H-Index”问题。这个问题的描述如下：

题目描述： 给定一位研究者论文的引用次数数组（每个元素表示一篇论文的引用次数），请计算该研究者的 H-Index。

示例： 输入: citations = [3, 0, 6, 1, 5] 输出: 3 解释: 该研究者有 5 篇论文，每篇论文至少被引用了 3 次，所以 H-Index 是 3。

解题思路：

1. 排序法：
   • 首先将引用次数数组进行排序（降序）。
   • 遍历排序后的数组，找到第一个满足条件的索引 i，使得 citations[i] >= i + 1，此时 i + 1 就是 H-Index。
2. 计数法：
   • 创建一个长度为 n + 1 的数组 count，其中 count[i] 表示引用次数为 i 的论文数量。
   • 遍历引用次数数组，填充 count 数组。
   • 从后向前累加 count 数组的值，找到第一个满足条件的索引 i，使得累加值 >= i，此时 i 就是 H-Index。

代码实现（排序法）：

def hIndex(citations): citations.sort(reverse=True) n = len(citations) for i in range(n): if citations[i] >= i + 1: continue else: return i return n

citations = [3, 0, 6, 1, 5] print(hIndex(citations)) # 输出: 3

代码实现（计数法）：

def hIndex(citations): n = len(citations) count = [0] * (n + 1) for citation in citations: if citation >= n: count[n] += 1 else: count[citation] += 1

total = 0
for i in range(n, -1, -1):
    total += count[i]
    if total >= i:
        return i
return 0

citations = [3, 0, 6, 1, 5] print(hIndex(citations)) # 输出: 3

这两种方法各有优缺点：

• 排序法：思路简单，但时间复杂度为 O(n log n)。
• 计数法：时间复杂度为 O(n)，但需要额外的空间来存储计数数组。

选择哪种方法取决于具体的应用场景和对时间、空间复杂度的要求。