出现次数的TopK问题

出现次数的TopK问题

题目描述

给定String类型的数组strArr，再给定整数k，请严格按照排名顺序打印 出次数前k名的字符串。

[要求]

如果strArr长度为N，时间复杂度请达到$O(N\log K)$

输入描述：

第一行两个整数N, k。N表示数组大小
接下来N行，每行一个字符串

输出描述：

输出K行，每行有一个字符串和一个整数。
你需要按照出现出现次数由小到大输出，若出现次数相同时字符串字典序较小的优先输出

示例1

输入

4 2
1
2
3
4

输出

1 1
2 1

示例2

输入

4 2
1
1
2
3

输出

1 2
2 1

备注：

$1⩽N⩽10^5$
$\sum \text{字符个数}⩽10^5$

$1⩽k⩽\text{本质不同的字符串数}$

保证输入的字符串仅含有大小写字母/数字

---

题解：

一般涉及到 TopK 问题，首先应该考虑用堆。

• 首先，使用哈希表统计每个字符串的出现次数，时间复杂度$O(n)$；
• 然后，将哈希表的前 k 个元素插入到小根堆中，接着遍历哈希表剩下的元素，将其插入到小根堆中，始终保持堆中元素个数为 k 个，时间复杂度$O(nlogk)$；
• 最后，将堆中的元素排序，频率从小到大，时间复杂度$O(klogk)$。

所以，最终的时间复杂度为 $O(nlogk)$。

代码：

#include <iostream>
#include <string>
#include <vector>
#include <queue>
#include <unordered_map>

using namespace std;

typedef pair<string, int> PSI;

class MyCompare {
public:
    bool operator()( const PSI& a, const PSI& b) const {
        if ( a.second == b.second )
            return a.first < b.first;
        return a.second > b.second;
    }
};

int main(void) {
    ios_base::sync_with_stdio(false);
    cin.tie(0), cout.tie(0);
    int n, k;
    cin >> n >> k;
    unordered_map<string, int> hash;
    string str;
    while ( n-- ) {
        cin >> str;
        hash[str] += 1;
    }
    priority_queue<PSI, vector<PSI>, MyCompare > heap;
    for ( auto& it : hash ) {
        if ( heap.size() != k ) heap.push( it );
        else {
            auto top = heap.top();
            if ( top.second == it.second && top.first > it.first 
                 || top.second < it.second ) {
                heap.pop();
                heap.push( it );
            }
        }
    }
    vector<PSI> ans;
    while ( heap.size() ) {
        ans.push_back( heap.top() );
        heap.pop();
    }
    for ( int i = k - 1; i >= 0; --i ) {
        cout << ans[i].first << ' ' << ans[i].second << endl;
    }
    return 0;
}