解法一:桶排序
class Solution {
public:
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> count;//构造哈希表
int max_count=0;
for(const int&p:nums){//哈希表每个元素对应出现次数
max_count=max(max_count,++count[p]);
}
vector<vector<int>>bucket(max_count+1);//将元素进行桶排序,最多出现次数为桶的个数,桶内放出现次数一样的元素
for(const auto&q:count){
bucket[q.second].push_back(q.first);
}
vector<int> ans;
for(int i=max_count;i>=0&&ans.size()<k;i--){//将桶倒出,到处K个元素时结束
for(const int&r:bucket[i]){
if(ans.size()==k)
break;
else
ans.push_back(r);
}
}
return ans;
}
};
顾名思义,桶排序的意思是为每个值设立一个桶,桶内记录这个值出现的次数(或其它属性,然后对桶进行排序。
针对样例来说,我们先通过桶排序得到三个桶 [1,2,3,4],它们的值分别 为 [4,2,1,1],表示每个数字出现的次数。 紧接着,我们对桶的频次进行排序,前 k 大个桶即是前 k 个频繁的数。这里我们可以使用各种 排序算法,甚至可以再进行一次桶排序,把每个旧桶根据频次放在不同的新桶内。针对样例来说, 因为目前最大的频次是 4,我们建立 [1,2,3,4] 四个新桶,它们分别放入的旧桶为 [[3,4],[2],[],[1]], 表示不同数字出现的频率。最后,我们从后往前遍历,直到找到 k 个旧桶。
参考《LeetCode101》,不作商业用途
解法二:小顶堆
- 求前 k 大,用小根堆,求前 k 小,用大根堆。
- 复杂度nlogk
class Solution {
public:
static bool cmp(pair<int,int>&m,pair<int,int>&n){//排序规则,队列中存放出现次数高的元素
return m.second>n.second;
}
vector<int> topKFrequent(vector<int>& nums, int k) {//构造哈希表,元素+出现次数
unordered_map<int,int> count;
for(const int&p:nums){
++count[p];
}
priority_queue<pair<int, int>, vector<pair<int, int>>, decltype(&cmp)> pri_que(cmp);//优先队列
for(const auto&q:count){//保持队列中只有k个较大元素
pri_que.push(q);
if(pri_que.size()>k)
pri_que.pop();
}
vector<int> ans(k);
for(int i=k-1;i>=0;i--){//弹出队列中的元素
ans[i]=pri_que.top().first;
pri_que.pop();
}
return ans;
}
};
参考Karl老师《代码随想录》,不作商业用途。