当前位置 博文首页 > 阳阳的博客：【leetcode.347】前 K 个高频元素
给定一个非空的整数数组，返回其中出现频率前?k?高的元素。
示例 1:
输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]
示例 2:输入: nums = [1], k = 1
输出: [1]
?
提示：
你可以假设给定的?k?总是合理的，且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于 O(n log n) ,?n?是数组的大小。
题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的。
你可以按任意顺序返回答案。
首先，需要使用map来建立元素与其频率的映射关系，接下来就是怎么去按照频率对这些元素进行排序。
常见的排序方法的时间复杂度如下，这里我们使用堆排序。
使用大小为k的小顶堆，则堆顶元素为拥有最小频率的元素。
遍历map，key为元素，value为其出现的次数
? ? ? ?如果堆内元素个数小于k，则将此元素直接插入堆中
? ? ? ?如果堆内元素等于k，则比较堆顶元素与新元素的出现次数。如果新元素的出现次数多，则先将堆顶元素出堆，再将新元素插入堆中。
最后，将堆中所有的元素直接存入结果数组即可。
时间复杂度：因为需要遍历map，时间复杂度为O(n)。且在每一次的遍历中，元素在k容量的堆中比较的平均次数为logk，所以整个时间复杂度为O(nlogk)。k<=n,因此满足题意。
空间复杂度：使用了一个map，需要存储最多n个entry。也使用了一个堆，容量为k。所以，总的空间复杂度为O(n)。
代码实现：
public int[] topKFrequent(int[] nums, int k) {
//建立数字与其频率的映射关系
Map<Integer, Integer> map = new HashMap<>();
for (int num : nums) {
map.put(num, map.getOrDefault(num, 0) + 1);
}
//构造小顶堆
Queue<Integer> queue = new PriorityQueue<>(new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return map.get(o1) - map.get(o2);
}
});
for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
//堆内元素数量不足k,则直接插入
if (queue.size() < k) {
queue.offer(entry.getKey());
} else {
//判断堆顶元素与新元素的频率
int time = map.get(queue.peek());
if (time < map.get(entry.getKey())) {
//如果堆顶元素的评率小于新元素的频率,则将堆顶元素出堆,并将新元素入堆
queue.poll();
queue.offer(entry.getKey());
}
}
}
int[] result = new int[k];
int index = 0;
while (!queue.isEmpty()) {
result[index++] = queue.poll();
}
return result;
}提交答案：
