前 K 个高频元素-队列

前 K 个高频元素

思路

• 优先级队列：以优先级为堆的排序依据，用小顶堆

1. 统计元素出现的次数：用dict，建立元素与次数之间的映射，O(n)
2. 对次数进行排序: 前k个数构造规模为 k+1 的最小堆 minheap，+1 是因为占位节点； 遍历规模k之外的数据，大于堆顶则入堆，下沉维护规模为k的最小堆 minheap，O(nlogk)。
3. 找出前k个高频元素：小顶堆最先弹出是最小值，倒序输出到数组。

• 相关知识：
• 优先队列，本质是堆，而堆是完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值.
  大顶堆：父节点大于等于左右孩子的值，堆头是最大的
  小顶堆：父节点小于等于左右孩子的值，堆头是最小的
• topk 问题：最大堆求topk小，最小堆求 topk 大。
  1）求topk大：构建一个 k 个数的最小堆，当读取的数大于根节点时，替换根节点，重新塑造最小堆。
  2）求topk小：构建一个 k 个数的最大堆，当读取的数小于根节点时，替换根节点，重新塑造最大堆。

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        my_map=dict()
        #计算每个数出现频次
        for i in range(len(nums)):
            my_map[nums[i]]=my_map.get(nums[i],0)+1
        
        #小顶堆,对频次进行排序
        my_heap=[]
        for key,freq in my_map.items():
            #把freq,key作为二元组放入小顶堆
            heapq.heappush(my_heap,(freq,key))
            if len(my_heap)>k:
                #若堆大于K,弹出堆顶元素,保证堆大小一直为k
                heapq.heappop(my_heap)
        
        #找出前K个高频元素，小顶堆先弹出最小，所以倒序输出到数组
        res=[0]*k
        for i in range(k-1,-1,-1):
            #放入堆的是二元组(freq,key),key对应索引1
            res[i]=heapq.heappop(my_heap)[1]
        return res