347.前K个高频元素

347.前K个高频元素

解题思路：

package leadcode;

import java.util.*;

/**
 * @author : icehill
 * @description : 前K个高频元素
 * 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。
 * 示例 1:
 * 输入: nums = [1,1,1,2,2,3], k = 2
 * 输出: [1,2]
 * 示例 2:
 * 输入: nums = [1], k = 1
 * 输出: [1]
 * 提示：
 * 1 <= nums.length <= 105
 * k 的取值范围是 [1, 数组中不相同的元素的个数]
 * 题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的
 * 进阶：你所设计算法的时间复杂度 必须 优于 O(n log n) ，其中 n是数组大小。
 * 来源：力扣（LeetCode）
 * 链接：https://leetcode-cn.com/problems/top-k-frequent-elements
 * 著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。
 * 解题思路：
 * 1.桶排序
 * 首先依旧使用哈希表统计频率，统计完成后，创建一个数组，将频率作为数组下标，
 * 对于出现频率不同的数字集合，存入对应的数组下标即可。
 * 倒序遍历数组获取出现顺序从大到小的排列
 * 时间复杂度：O(n) 空间复杂度：O(n)
 * 2.最小堆
 * 首先依旧使用哈希表统计频率，维护一个元素数目为 k 的最小堆
 * 每次都将新的元素与堆顶元素（堆中频率最小的元素）进行比较
 * 如果新的元素的频率比堆顶端的元素大，则弹出堆顶端的元素，将新的元素添加进堆中
 * 最终，堆中的 k 个元素即为前 k 个高频元素
 * 时间复杂度：O(nlogk) 空间复杂度：O(n)
 * @date : 2021-05-19
 */
public class Solution347 {
    public static void main(String[] args) {
        Solution347 solution347 = new Solution347();
        int[] nums = {1, 1, 1, 2, 2, 2, 2, 3};
        int[] res = solution347.topKFrequent(nums, 2);
        System.out.println(Arrays.toString(res));
    }

    /**
     * 桶排序
     *
     * @param nums
     * @param k
     * @return
     */
    public int[] topKFrequent(int[] nums, int k) {
        // 使用字典，统计每个元素出现的次数，元素为键，元素出现的次数为值
        HashMap<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {
            if (map.containsKey(num)) {
                map.put(num, map.get(num) + 1);
            } else {
                map.put(num, 1);
            }
        }
        //桶排序
        //将频率作为数组下标，对于出现频率不同的数字集合，存入对应的数组下标
        List<Integer>[] list = new List[nums.length + 1];
        for (int key : map.keySet()) {
            // 获取出现的次数作为下标
            int i = map.get(key);
            if (list[i] == null) {
                list[i] = new ArrayList<>();
            }
            list[i].add(key);
        }
        List<Integer> res = new ArrayList<>();
        // 倒序遍历数组获取出现顺序从大到小的排列
        for (int i = list.length - 1; i >= 0 && res.size() < k; i--) {
            if (list[i] == null) {
                continue;
            }
            res.addAll(list[i]);
        }
        int[] frequentList = new int[res.size()];
        for (int i = 0; i < res.size(); i++) {
            frequentList[i] = res.get(i);
        }
        return frequentList;
    }


    /**
     * 最小堆
     *
     * @param nums
     * @param k
     * @return
     */
    public int[] topKFrequentTwo(int[] nums, int k) {
        // 使用字典，统计每个元素出现的次数，元素为键，元素出现的次数为值
        HashMap<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {
            if (map.containsKey(num)) {
                map.put(num, map.get(num) + 1);
            } else {
                map.put(num, 1);
            }
        }
        // 遍历map，用最小堆保存频率最大的k个元素（优先级队列底层的数据结构其实是一颗二叉堆）
        PriorityQueue<Integer> pq = new PriorityQueue<>(new Comparator<Integer>() {
            @Override
            public int compare(Integer a, Integer b) {
                return map.get(a) - map.get(b);
            }
        });
        for (Integer key : map.keySet()) {
            if (pq.size() < k) {
                pq.add(key);
            } else if (map.get(key) > map.get(pq.peek())) {
                pq.remove();
                pq.add(key);
            }
        }
        // 取出最小堆中的元素
        List<Integer> res = new ArrayList<>();
        while (!pq.isEmpty()) {
            res.add(pq.remove());
        }
        int[] frequentList = new int[res.size()];
        for (int i = 0; i < res.size(); i++) {
            frequentList[i] = res.get(i);
        }
        return frequentList;
    }
}