347.前k个高频元素

本文探讨如何利用小顶堆数据结构在O(nlogn)时间复杂度内解决LeetCode上的Top K Frequent Elements问题。通过优先队列实现,解释了为何选择小顶堆以及其在维护频率排名中的作用。
摘要由CSDN通过智能技术生成

https://leetcode-cn.com/problems/top-k-frequent-elements/
给定一个整数集和一个数
返回频率第k高的数
如果用暴力的方法去做也可以完成,统计每个数的频率然后逐个输出
但是,题目中的进阶要求我们必须使用时间复杂度为O(nlogn)级别的算法
因此,我们可以采用优先级队列
不过,还有一个问题,是用大顶堆还是小顶堆呢?
如果使用大顶堆的话,在每次更新的时候,都会弹出最大的元素,因此,我们使用小顶堆
因为我们需要统计前k频率的数,小顶堆每次弹出最小元素,最后小顶堆里记录的就是前k个最大元素
以下为代码:

class Solution {
public:
class mycomparison//定义小顶堆
{
    public:
    bool operator()(const pair<int,int>&lhs,const pair<int,int>&rhs)
    {
        return lhs.second>rhs.second;
    }
};
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int,int>map;//map用于记录元素出现的次数
        						  //map<nums[i]>记录元素值为nums i的次数
        for(int i=0;i<nums.size();i++)map[nums[i]]++;
        priority_queue<pair<int,int>,vector<pair<int,int>>,mycomparison>pri_que;
        for(unordered_map<int,int>::iterator it=map.begin();it!=map.end();it++)
        {
            pri_que.push(*it);
            if(pri_que.size()>k)pri_que.pop();//如果输入的元素大于k,则弹出,保证堆内元素一直为k个
        }
        vector<int>result(k);
        for(int i=k-1;i>=0;i--)
        {
            result[i]=pri_que.top().first;
            pri_que.pop();
        }
        return result;
    }
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值