数据结构-再谈Topk问题

Topk问题是Java中经典的一类问题，在浅谈TopK部分已经介绍了一道经典的面试题：最小的K个数，主要是通过优先级队列来实现的。前面介绍过了元素的比较和Map和Set的基础用法，接下来看一下两道稍微复杂的TopK问题相关的题目。

前k个高频元素

1、描述： 给你一个整数数组 nums 和一个整数 k ，请返回其中出现频率前 k 高的元素。你可以按任意顺序返回答案。

2、思路：

取前K个频率最高的元素，立马想到用小堆(取大用小)，但是这时候需要通过元素出现的频率来判断大小关系，所以需要使用Map集合保存一对元素，以及告诉JDK元素之间的大小关系。首先扫描整个nums数组，将每个元素和它出现的次数保存在Map接口中，然后扫描Map接口，将出现频次最高的前k个对象保存到优先级队列中，最后从对列中取出这几个对象的key值就是最终的结果。

3、代码

public class Num347_TopKFrequent {
    public int[] topKFrequent(int[] nums, int k) {
        //自定义局部内部类
        class Freq{
            int key;
            int times;//出现频次

            public Freq(int key, int times) {
                this.key = key;
                this.times = times;
            }
        }
        //1、扫描这个数组，将数组元素和出现的频次保存在map接口中
        Map<Integer,Integer> numTimes = new HashMap<>();
        for(int i : nums){
//            numTimes.put(i,numTimes.getOrDefault(i,0) + 1);
            if(numTimes.containsKey(i)){
                //如果此时key值在numtimes中已经存在
                //新的频次就是原始的频次value + 1
                //先将原始频次取出
                int value = numTimes.get(i);
                //再将value值加1塞回map中
                numTimes.put(i,value + 1);
            }else{
                //此时key值在map中第一次出现
                //将当前key对应的value置为1
                numTimes.put(i,1);
            }
        }
        //2、扫描Map接口。将出现频次最高的前k个Freq对象保存到优先级队列中
        Queue<Freq> queue = new PriorityQueue<>(new Comparator<Freq>() {
            @Override
            public int compare(Freq o1, Freq o2) {
                //定义比较的方式
                return o1.times - o2.times;
            }
        });
        //需要将Map转为set才能遍历
        for(Map.Entry<Integer,Integer> entry:numTimes.entrySet()){
            queue.offer(new Freq(entry.getKey(),entry.getValue()));
            if(queue.size() > k){
                queue.poll();
            }
        }
        //3、从队列中取出这k个freq的Key值就是所求结果
        int[] result = new int[k];
        for (int i = 0; i < k; i++) {
            result[i] = queue.poll().key;
        }
        return result;
    }
}

前k个高频单词

1、描述：给定一个单词列表 words 和一个整数 k ，返回前 k 个出现次数最多的单词。返回的答案应该按单词出现频率由高到低排序。如果不同的单词有相同出现频率， 按字典顺序排序。

2、思路：

这个题的整体思路和上面的题目差不多，但是有多次需要反转的地方。取大用小堆，这是首先能想到的。返回的答案应该按单词出现频率由高到低排序？这个怎么实现？小堆的最后结果保存了出现频次最高的前3个字母，但小堆元素默认是升序出队的，所以我们需要一个方法让他倒着打印。使用链表的头插来保存元素。如果不同的单词有相同出现频率， 按字典顺序 排序？也就是说字典序小的需要排在字典序大的前面(比如“i”在“l”之前)，但是最终选择用头插来保存元素，这样的话字典序大的就保存到了字典序小的前面。所以此时需要让JDK觉得字典序大的在字典序小的前面，头插之后，字典序小的就保存在了字典序大的前面。

3、代码实现

public class Num692_TopKFrequent {
    public List<String> topKFrequent(String[] words, int k) {
        //1、首先用Map来保存单词及其出现的频次
        Map<String,Integer> wordsTable = new HashMap<>();
        for(String str : words){
            if(wordsTable.containsKey(str)){
                //将频次取出
                int times = wordsTable.get(str);
                //再塞入Map中
                wordsTable.put(str,times + 1);
            }else{
                //此时Map中不包含str，第一次出现
                wordsTable.put(str,1);
            }
        }
        //2、此时wordsTable保存了每个不重复单词及其出现的频次
        //先定义优先级对列判定优先级，取大用小
        Queue<String> queue = new PriorityQueue<>(new Comparator<String>() {
            @Override
            public int compare(String o1, String o2) {
                //先按照出现频次来判定
                int o1Times = wordsTable.get(o1);
                int o2Times = wordsTable.get(o2);
                //频次相同按照字典序判断
                //由于最终要使用头插法保存元素，所以字典序大的要排在前面
                return o1Times == o2Times? o2.compareTo(o1) : o1Times - o2Times;
            }
        });
        //3、扫描Map集合，保存出现频次最高的前K个单词
        for(Map.Entry<String,Integer> entry : wordsTable.entrySet()){
            queue.offer(entry.getKey());
            if(queue.size() > k){
                queue.poll();
            }
        }
        //4、此时队列中就保存了出现频次最高的前k个单词，输出保存
        LinkedList<String> result = new LinkedList<>();
        while (!queue.isEmpty()){
            //现在是小堆，出队时按照出现频次右低到高出队的
            //所以此时要将每个出队元素头插到链表中来保存最后结果
            result.addFirst(queue.poll());
        }
        return result;
    }
}

上面两道题目涵盖了优先级队列、Map的使用以及元素的比较相关的知识点，综合性较强，属于TopK问题中相对复杂的问题。遇到这类问题，可以先将每一步的解决思路写下来，然后对每一步做代码的实现，这样问题就可以被拆分，然后逐步攻克即可。

继续加油努力！！！