题目描述
给定一个非空的整数数组,返回其中出现频率前 k
高的元素。
示例
输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]
输入: nums = [1], k = 1
输出: [1]
解法一:哈希表 + 小根堆
思路:
使用哈希表记录每个元素出现的频率,然后使用小根堆来维护出现频率最高的前 k
个元素。
首先遍历一遍数组,将每个元素的出现频率记录到哈希表中。然后遍历哈希表,将哈希表中的元素依次压入小根堆。如果堆的大小超过了 k
,则弹出堆顶元素。最后返回堆中的元素。
时间复杂度为 O ( n log k ) O(n \log k) O(nlogk),其中 n n n 是数组的长度。遍历一遍数组的时间复杂度为 O ( n ) O(n) O(n),而建立小根堆的时间复杂度为 O ( n log k ) O(n \log k) O(nlogk)。空间复杂度为 O ( n ) O(n) O(n),哈希表的空间复杂度为 O ( n ) O(n) O(n),小根堆的空间复杂度为 O ( k ) O(k) O(k)。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer, Integer> freqMap = new HashMap<>();
for (int num : nums) {
freqMap.put(num, freqMap.getOrDefault(num, 0) + 1);
}
PriorityQueue<Integer> heap = new PriorityQueue<>((o1, o2) -> freqMap.get(o1) - freqMap.get(o2));
for (int num : freqMap.keySet()) {
heap.offer(num);
if (heap.size() > k) {
heap.poll();
}
}
int[] res = new int[k];
for (int i = k - 1; i >= 0; i--) {
res[i] = heap.poll();
}
return res;
}
}
解法二:桶排序
思路:
在解法一中,我们使用小根堆来维护出现频率最高的前 k
个元素。然而,当 k
比较小而数组中的元素比较分散时,使用小根堆的方法不如使用桶排序。
维护一个桶数组 bucket
,其中 bucket[i]
表示出现频率为 i
的元素列表。然后从高频率到低频率遍历桶列表,将桶中的元素依次加入结果列表中。如果结果列表元素数目达到了 k
,就直接返回结果列表。
时间复杂度为 O ( n ) O(n) O(n),其中 n n n 是数组的长度。遍历一遍数组的时间复杂度为 O ( n ) O(n) O(n),统计出现频率的时间复杂度为 O ( n ) O(n) O(n),桶排序的时间复杂度为 O ( n ) O(n) O(n)。空间复杂度为 O ( n ) O(n) O(n),桶数组的空间复杂度为 O ( n ) O(n) O(n),最坏情况下每个元素频率都不相同。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer, Integer> freqMap = new HashMap<>();
int maxFreq = 0;
for (int num : nums) {
int freq = freqMap.getOrDefault(num, 0) + 1;
freqMap.put(num, freq);
maxFreq = Math.max(maxFreq, freq);
}
List<Integer>[] bucket = new ArrayList[maxFreq + 1];
for (int num : freqMap.keySet()) {
int freq = freqMap.get(num);
if (bucket[freq] == null) {
bucket[freq] = new ArrayList<>();
}
bucket[freq].add(num);
}
int[] res = new int[k];
int j = 0;
for (int i = maxFreq; i >= 0 && j < k; i--) {
if (bucket[i] != null) {
for (int x : bucket[i]) {
res[j++] = x;
if (j == k) {
break;
}
}
}
}
return res;
}
}