LeetCode 347.前K个高频元素

LeetCode第347题“前K个高频元素”要求找出数组中出现频率最高的K个元素。以下是使用C++实现的一种常见方法，利用哈希表和最小堆来解决这个问题。

方法：使用哈希表和最小堆

步骤：

1. 使用哈希表（unordered_map）统计每个元素的频率。
2. 使用最小堆（优先队列）来维护频率最高的K个元素。

代码实现：

#include <iostream>
#include <vector>
#include <unordered_map>
#include <queue>
#include <utility>  // for std::pair
using namespace std;

class Solution {
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        // 1. 统计每个元素的频率
        unordered_map<int, int> frequencyMap;
        for (int num : nums) {
            frequencyMap[num]++;
        }

        // 2. 使用最小堆来维护频率最高的k个元素
        priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> minHeap;

        for (auto& entry : frequencyMap) {
            minHeap.push({entry.second, entry.first});
            if (minHeap.size() > k) {
                minHeap.pop();
            }
        }

        // 3. 提取堆中的元素
        vector<int> result;
        while (!minHeap.empty()) {
            result.push_back(minHeap.top().second);
            minHeap.pop();
        }
        return result;
    }
};

int main() {
    Solution solution;
    vector<int> nums = {1, 1, 1, 2, 2, 3};
    int k = 2;
    vector<int> result = solution.topKFrequent(nums, k);
    cout << "The top " << k << " frequent elements are: ";
    for (int num : result) {
        cout << num << " ";
    }
    cout << endl;
    return 0;
}

解释：

1. 统计频率：

   unordered_map<int, int> frequencyMap;
   for (int num : nums) {
       frequencyMap[num]++;
   }
   

   • 使用哈希表frequencyMap统计数组中每个元素出现的频率。

2. 维护最小堆：

   priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> minHeap;
   for (auto& entry : frequencyMap) {
       minHeap.push({entry.second, entry.first});
       if (minHeap.size() > k) {
           minHeap.pop();
       }
   }
   

   • 使用priority_queue作为最小堆，存储元素及其频率。
   • 堆中最多维护k个频率最高的元素。当堆的大小超过k时，弹出堆顶元素（频率最低的元素）。

3. 提取堆中元素：

   vector<int> result;
   while (!minHeap.empty()) {
       result.push_back(minHeap.top().second);
       minHeap.pop();
   }
   

   • 将堆中的元素依次弹出，并将其存入结果数组。

总结：

这种方法的时间复杂度主要是O(N log K)，其中N是数组的长度，K是要找的高频元素的数量。这种方法效率较高，适用于大多数情况。