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;
}
};