347. Top K Frequent Elements

问题描述

Given a non-empty array of integers, return the k most frequent elements.

For example,
Given [1,1,1,2,2,3] and k = 2, return [1,2].

Note:

• You may assume k is always valid, 1 ≤ k ≤ number of unique elements.
• Your algorithm’s time complexity must be better than O(n log n), where n is the array’s size.

题目链接：

---

思路分析

给一数组，返回前k个出现次数最多的元素。

这是一道非常经典的题目，在微软的面试中被问到，这是道follow-up起来非常有意思的题目。

首先要统计数组中每个元素出现的频率，用一个map来保存，然后将频率和元素make_pair，放进priority_queue中，将前k个元素输出即可。

代码

class Solution {
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int, int> map;
        for (auto n : nums){
            map[n]++;
        }
        vector<int> res;
        priority_queue<pair<int, int>> qp;
        //second is frequency, first is num
        for (auto it = map.begin(); it != map.end(); it++){
            qp.push(make_pair(it->second, it->first));
            if (qp.size() > (int)map.size() - k){
                res.push_back(qp.top().second);
                qp.pop();
            }
        }
        return res;
    }
};

时间复杂度：$O(nlog(n - k))$
空间复杂度：$O(n)$

---

反思

要注意的是map用的是指针表示映射前后的值，而make_pair之后则是直接调用对象属性的操作方式。priority queue使用的是最小堆，时间复杂度是$O(logn)$的，因为只需要保存n-k个元素，所以时间复杂度如上所示。

如果不这么复杂的话，可以直接使用排序的方式，C++内部使用的排序算法是快速排序，$O(nlogn)$的时间复杂度。

follow-up：
如果数组中的元素种类较少时，比如数字范围在[1-1000]，我们可以使用桶排序，可以实现$O(n)$的时间复杂度。

思想是在统计了每个数字出现的频率之后，将频率由高到低存放在桶中。因为用n个元素，而每种元素都不相同时，我们需要的桶的大小为nums.size() + 1（因为不会有出现次数为0的元素，同样后面统计的循环也是这样）。将对应频率的数字放到对应的桶中去（也可以用一个hash table映射的），然后从大到小输出到res数组中即可。

class Solution {
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int, int> map;
        vector<vector<int>> buckets(nums.size() + 1);
        vector<int> res;
        for(int n : nums){
            map[n]++;
        }
        for(auto it : map){
            buckets[it.second].push_back(it.first);
        }
        for(int i = nums.size(); i >= 0; i--){
            for(int j = 0; j < buckets[i].size(); j++){
                res.push_back(buckets[i][j]);
                if(res.size() == k) return res;
            }
        }
        return res;
    }
};