前K个高频元素(topK)-排序347-c++

算法思想

没有用到很复杂的算法思想，就是利用了unordered_map和multimap各自的特点：

• 创建统计数字出现次数的无序哈希表hashmap；
• 将hashmap中的pair的second和first调换（即出现次数变成关键字，数值变成关键字对应的值），添加到可重复（可重复的原因：有些数值出现的次数可能相同）关键字的有序（greater是按大到小排序）哈希表ordermap中；
• 将ordermap中前k个pair的值添加到输出数组res中，即可得到最终输出。

C++

class Solution {
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int, int> hashmap;
        multimap<int, int, greater<int>> ordermap;
        vector<int> res;
        for (auto & v : nums){
            hashmap[v]++;
        }
        for(auto & ech : hashmap){
            ordermap.insert(pair<int, int>(ech.second, ech.first));
        }
        for(auto & ech : ordermap){
            res.push_back(ech.second);
            k--;
            if(k == 0) break;
        }
        return res;
    }
};

小顶堆思想

class Solution {
public:
        vector<int> topKFrequent(vector<int>& nums, int k) {
        // 哈希表记录数字出现次数
        // 优先队列，按照次数排序，小顶堆（每次想弹出谁，就建什么堆），保证size不大于k
        vector<int> res;
        unordered_map<int, int> count_map;
        for (auto& num : nums) {
            count_map[num]++;
        }
        priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq;

        for(auto& it : count_map) {
            pq.push(make_pair(it.second, it.first));
            if (pq.size() > k) {
                pq.pop();
            }
        }

        for (int i = 0; i < k; i++) {
            res.emplace_back(pq.top().second);
            pq.pop();
        }

        return res;
    }
};