前K个高频元素

347. 前 K 个高频元素 - 力扣（LeetCode）

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

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：

• 1 <= nums.length <= 105
• k 的取值范围是 [1, 数组中不相同的元素的个数]
• 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

进阶：你所设计算法的时间复杂度 必须 优于 O(n log n) ，其中 n 是数组大小。

解题思路

先将元素存储在map<元素，出现频率>中

思路一：按照元素出现的频率创建大顶堆，只需要移除k次大顶堆的第一个元素就能得到答案。但实际上不需要建立大小为n的堆

思路二：创建小顶堆，保持小顶堆的大小为k，因为小顶堆第一个元素是最小的元素，只要遍历的元素大于堆顶，就将堆顶的元素移除，最终留下的k个元素就是频率最高的k个元素

基于大顶堆的实现

class Solution {
    public static int[] topKFrequent(int[] nums, int k) {
        Map<Integer,Integer> map = new HashMap<>();//key为数组元素值,val为对应出现次数
        for(int num : nums){
            map.put(num,map.getOrDefault(num,0)+1);
        }

        PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair2[1]-pair1[1]);
        for(Map.Entry<Integer,Integer> entry:map.entrySet()){//大顶堆需要对所有元素进行排序
            pq.add(new int[]{entry.getKey(),entry.getValue()});
        }
        int[] ans = new int[k];
        for(int i= 0 ; i < k; i++){//依次从队头弹出k个,就是出现频率前k高的元素
            ans[i] = pq.poll()[0];
        }
        return ans;
    }
}

• 时间复杂度: $O(nlogn)$，每次调整堆的时间复杂度为logn，需要调整n次
• 空间复杂度: $O(n)$

基于小顶堆的实现

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> map = new HashMap<>();
        for(int num : nums){
            map.put(num, map.getOrDefault(num, 0) + 1);
        }

        //小根堆
        PriorityQueue<int[]> que = new PriorityQueue<>((pair1,pair2) -> pair1[1] - pair2[1]);

        for(Map.Entry<Integer, Integer> entry : map.entrySet()){
            //先将堆大小设置为k
            if(que.size() < k){
                que.add(new int[]{entry.getKey(), entry.getValue()});
            }else if(entry.getValue() > que.peek()[1]){
                //移除堆顶元素
                que.poll();
                que.add(new int[]{entry.getKey(), entry.getValue()});
            }
        }

        int[] ans = new int[k];
        int index = 0;
        while(!que.isEmpty()){
            ans[index++] = que.poll()[0];
        }
        return ans;

    }
}

• 时间复杂度: $O(nlogk)$，每次调整堆的时间复杂度为logk，需要调整n次
• 空间复杂度: $O(n)$