347. 前 K 个高频元素

方法很好想,要么暴力排序,归并,堆排都能满足O(nlogn)的要求。

我第一次想到的就是,用哈希统计一下数字,然后重载排一下序,顺序放入集合里就行。

这次用的是最小堆,主要学习一下PriorityQueue,是基于优先级堆的无界优先级queue

Modifier and TypeMethod and Description
booleanadd(E e) 将指定的元素插入到此优先级队列中。
voidclear() 从此优先级队列中删除所有元素。
Comparatorcomparator() 返回用于为了在这个队列中的元素,或比较null如果此队列根据所述排序natural ordering的元素。
booleancontains(Object o) 如果此队列包含指定的元素,则返回 true
Iteratoriterator() 返回此队列中的元素的迭代器。
booleanoffer(E e) 将指定的元素插入到此优先级队列中。
Epeek() 检索但不删除此队列的头,如果此队列为空,则返回 null
Epoll() 检索并删除此队列的头,如果此队列为空,则返回 null
booleanremove(Object o) 从该队列中删除指定元素的单个实例(如果存在)。
intsize() 返回此集合中的元素数。
Object[]toArray() 返回一个包含此队列中所有元素的数组。
T[]toArray(T[] a) 返回一个包含此队列中所有元素的数组; 返回的数组的运行时类型是指定数组的运行时类型。
public class Main {
	public static void main(String[] args) {
		int n = 5;
		Solution solution = new Solution();
		System.out.println(solution.topKFrequent(new int[]{1,1,1,2,2,3}, 2));
	}
	
}
class Solution {
    public List<Integer> topKFrequent(int[] nums, int k) {
        HashMap<Integer, Integer> hs = new HashMap<Integer, Integer>();
        //统计每一个数出现的次数
        for (int num : nums) {
			if(hs.containsKey(num)) {
				hs.put(num, hs.get(num)+1);
			}else {
				hs.put(num, 1);
			}
		}
        //因为返回顺序没有要求,可以维护一个最小堆
        PriorityQueue<Integer> pq = new PriorityQueue<Integer>(
        		new Comparator<Integer>() {
        			//重写比较方法,按照哈希的value大小排序
					@Override
					public int compare(Integer o1, Integer o2) {
						return hs.get(o1) - hs.get(o2);
					}
        		});
        for (Integer key : hs.keySet()) {
            if (pq.size() < k) {	//维护堆的大小为k
                pq.add(key);
            } else if (hs.get(key) > hs.get(pq.peek())) {//如果当前堆的大小超过k,并且当前遍历到的value值大于堆中最小的value值
                pq.remove();
                pq.add(key);
            }
        }
        List<Integer> list = new LinkedList<Integer>();
        while (!pq.isEmpty()) {
        	//System.out.println(pq.peek());
        	list.add(pq.remove());	//remove返回
        }
        return list;
    }
}s

以1,1,1,2,2,3为例。

有三个键值对<1,3>,<2,1>, < 3,1>,最终优先队列从队首到队尾的元素为:2,1

按照value大小排序,2的value较小,所以排在前面(维护的是最小堆)。

  • 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