347. Top K Frequent Elements
Given a non-empty array of integers, return the k most frequent elements.
For example,
Given [1,1,1,2,2,3] and k = 2, return [1,2].Note:
You may assume k is always valid, 1 ≤ k ≤ number of unique elements.Your algorithm’s time complexity must be better than O(n log n), where n is the array’s size.
首先需要明确的是,什么叫做 k frequent elements,这并不是 K 个最后访问的元素,而是出现最多的 K 个元素,所以使用 dequeue 之类的做法就不符合题意了。
我们需要做的是使用某种方法首先记录每一个元素的出现次数,hashmap 就是一个很好的选择。对每一个元素我们记录它的出现频率。
那么我们如何排序它们呢,一个很直接的想法就是根据频率使用排序,那么不可避免的时间复杂度讲到了 O(n log n),这是题目需要我们优化的。
这里我们可以根据频率进行桶排序,这意味着不用在乎相同频率的元素先后次序,然后我们按照大小将其放到结果中。针对内部顺序无关痛痒的题目,桶排序,或者堆排序是一种很有效的方法。
List<Integer>[] bucket = new List<Integer>[nums.length+1]
可以保证所有频率都能够被记录在每一个桶中。
public class Solution {
public List<Integer> topKFrequent(int[] nums, int k) {
HashMap<Integer,Integer> freq = new HashMap();
for(int num:nums){
if(freq.containsKey(num)){
freq.put(num,freq.get(num)+1);
}else{
freq.put(num,1);
}
}// here we finished the frequency record
// then sort the elements based on frequency
List<Integer> res = new ArrayList();
ArrayList<Integer>[] bucket = new ArrayList[nums.length+1]; // in [1] case, we must have freq 1!
for(int num:freq.keySet()){
int f = freq.get(num);
if(bucket[f] == null){
bucket[f] = new ArrayList<Integer>();
}
bucket[f].add(num);
}
int i = nums.length;
while(i>=0 && res.size() < k){
if(bucket[i] != null){
res.addAll(bucket[i]);
}
i--;
}
return res;
}
}