代码随想录-栈与队列 | 347前k个高频元素

LeetCode 347-前k个高频元素

题目链接
代码随想录

题目描述

给你一个整数数组 nums 和一个整数 k ，请你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。

解题思路

判断：

• 这道题目设计以下三块内容：
  1. 统计元素出现频率：使用map
  2. 对频率排序：使用优先级序列——堆
  3. 找出前 k 个高频元素：使用小顶堆，小顶堆每次将最小的元素弹出，最后剩下的就是前 k 个最大元素

代码

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        //优先级队列，为了避免复杂api操作，pq存储数组
        //lambda表达式设置了优先级队列从大到小存储o1-o2为从小到大
        PriorityQueue<int[]> pq = new PriorityQueue<>((o1,o2) -> o1[1] - o2[1]);
        int[] res = new int[k]; //答案数组为k个元素
        Map<Integer, Integer> map = new HashMap<>();//记录元素出现次数
        for (int num : nums) map.put(num, map.getOrDefault(num,0) + 1);
        for (var x : map.entrySet()) { //entrySet获取k-v Set集合
            //将kv转化成数组
            int[] tmp = new int[2];
            tmp[0] = x.getKey();
            tmp[1] = x.getValue();
            pq.offer(tmp);
            // 下面的代码是根据小根堆实现的，只保留优先队列的最后k个，只要超过k个就将最小的弹出，剩余的k个就是答案
            if(pq.size() > k) {
                pq.poll();
            }
        }
        for (int i = 0; i < k; i++) {
            res[i] = pq.poll()[0]; //获取优先队列里的元素
        }
        return res;
    }
}

复杂度

• 时间复杂度
  时间复杂度为O(n log k)
• 空间复杂度
  O(n)

难点

• 实现思路：使用堆！
• 堆的实现：这里使用Comparator接口

Comparator接口说明：返回负数，形参中第一个参数排在前面；返回正数，形参中第二个参数排在前面。

• 对于队列：排在前面意味着往队头靠。
• 对于堆（使用PriorityQueue实现）：从队头到队尾按从小到大排就是最小堆（小顶堆）；从队头到队尾按从大到小排就是最大堆（大顶堆）—>队头元素相当于堆的根节点。

• 使用lambda表达式创建最大堆比较器：

  Comparator maxHeapComparator = (a, b) -> b - a;
  PriorityQueue maxHeap = new PriorityQueue<>(maxHeapComparator);
  

  • Comparator 是一个函数式接口，它只包含一个抽象方法 compare(T o1, T o2)，这个方法接受两个参数并返回一个整数，用于比较这两个对象的大小。由于 Comparator 是函数式接口，因此可以使用 Lambda 表达式来创建它的实例。
  • (a, b) -> b - a是一个lambda表达式。左侧(a,b)是参数列表，右侧b-a是函数体，表示通过比较 b 和 a 的差值来确定两个对象的顺序。这个差值为正时，表示 b 比 a 大，为负时，表示 a 比 b 大，为零时，表示它们相等。
  • Lambda 表达式是创建了一个比较器，用于按照从大到小排序。这个比较器可以传递给 PriorityQueue，以确保最大的节点在堆的顶部。Lambda 表达式的简洁性使得它成为创建匿名函数对象的一种便捷方式。

总结

学习到新知识：堆