2021-10-6 347. 前 K 个高频元素（优先队列）

注：

题目：
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。

题解：
思路与算法

首先遍历整个数组，并使用哈希表记录每个数字出现的次数，并形成一个「出现次数数组」。找出原数组的前 k 个高频元素，就相当于找出「出现次数数组」的前 k 大的值。

最简单的做法是给「出现次数数组」排序。但由于可能有 O(N) 个不同的出现次数（其中 N 为原数组长度），故总的算法复杂度会达到 O(NlogN)，不满足题目的要求。

在这里，我们可以利用堆的思想：建立一个小顶堆，然后遍历「出现次数数组」：

• 如果堆的元素个数小于 k，将当前访问的元素直接插入堆中。
• 如果堆的元素个数等于 k，则将当前访问的元素插入到堆中，之后弹出堆顶。

遍历完成后，堆中的元素就代表了「出现次数数组」中前 k 大的值。

复杂度分析
时间复杂度：O(Nlogk)，其中 N 为数组的长度。我们首先遍历原数组，并使用哈希表记录出现次数，每个元素需要 O(1) 的时间，共需 O(N) 的时间。随后，我们遍历「出现次数数组」，由于堆的大小至多为 k，因此每次堆操作需要 O(logk) 的时间，共需 O(Nlogk) 的时间。二者之和为 O(Nlogk)。

空间复杂度：O(N)。哈希表的大小为 O(N)，而堆的大小为 O(k)，共计为 O(N)。

class Solution {
public:
    class compare{
    public:
        bool operator() (pair<int,int> &lhs,pair<int,int> &rhs){
            return lhs.second>rhs.second;
        }
    };

    vector<int> topKFrequent(vector<int>& nums, int k) {
        map<int,int> mp;
        vector<int> result(k);
        for(auto i:nums){
            mp[i]++;
        }
        priority_queue<pair<int,int>,vector<pair<int,int>>,compare> prique;
        for(pair<int,int> p:mp){
            if(prique.size()<k){
                prique.push(p);
            }
            else{
                prique.push(p);
                prique.pop();
            }
        }
        for(int i=k-1;i>=0;i--){
            result[i]=prique.top().first;
            prique.pop();
        }
        return result;
    }
};