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。
方法一:哈希表+排序
将数组中每个元素出现的次数存入哈希表中,对哈希表进行排序,取前k个元素即为题目要求的前k个高频元素。
class Solution {
public:
vector<int> topKFrequent(vector<int>& nums, int k) {
int count=0;
vector<int>vec;
unordered_map<int, int>map;
for (int i = 0; i < nums.size(); ++i)
{
map[nums[i]]++;
}
vector<pair<int, int>> b; //非常关键,因为unordered_map,map本身不支持sort,将unordered_map,map中的元素pair保存在vector<pair<int, int>>中就可以支持sort操作
for (auto& temp : map)
b.push_back(temp); //map,unordered_map中的元素都是以pair类存在
//sort(a.begin(), a.end());//map,unordered_map不支持sort算法
// stable_sort(b.begin(), b.end(),greater<int>());
//进行排序
std::sort(b.begin(), b.end(),
[=](std::pair<int, int>& a, std::pair<int, int>& b) { return a.second > b.second; });
for (auto it = b.begin(); it != b.end(); ++it) {
count++;
if (count > k)
break;
vec.emplace_back(it->first);
}
return vec;
}
};
- 时间复杂度:O(nlogn),主要为sort的排序时间
- 空间复杂度:O(n)
方法二:堆
首先遍历整个数组,并使用哈希表记录每个数字出现的次数,并形成一个「出现次数数组」。找出原数组的前 k 个高频元素,就相当于找出「出现次数数组」的前 k大的值。
最简单的做法是给「出现次数数组」排序。但由于可能有O(N) 个不同的出现次数(其中 N 为原数组长度),故总的算法复杂度会达到 )O(NlogN),不满足题目的要求。
在这里,我们可以利用堆的思想:建立一个小顶堆,然后遍历「出现次数数组」:
如果堆的元素个数小于 k,就可以直接插入堆中。
如果堆的元素个数等于 k,则检查堆顶与当前出现次数的大小。如果堆顶更大,说明至少有 k 个数字的出现次数比当前值大,故舍弃当前值;否则,就弹出堆顶,并将当前值插入堆中。
遍历完成后,堆中的元素就代表了「出现次数数组」中前 k 大的值。
class Solution {
public:
static bool cmp(pair<int, int>& m, pair<int, int>& n) {
return m.second > n.second;
}
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int, int> occurrences;
for (auto& v : nums) {
occurrences[v]++;
}
// pair 的第一个元素代表数组的值,第二个元素代表了该值出现的次数
priority_queue<pair<int, int>, vector<pair<int, int>>, decltype(&cmp)> q(cmp);//decltype 用于类型自动推断,传入&cmp函数指针
for (auto& [num, count] : occurrences) {
if (q.size() == k) {
if (q.top().second < count) {
q.pop();
q.emplace(num, count);
}
} else {
q.emplace(num, count);
}
}
vector<int> ret;
while (!q.empty()) {
ret.emplace_back(q.top().first);
q.pop();
}
return ret;
}
};
- 时间复杂度:O(nlogk)
- 空间复杂度:O(n)
方法三:基于快速排序
我们可以使用基于快速排序的方法,求出「出现次数数组」的前 k 大的值。
在对数组arr[l…r] 做快速排序的过程中,我们首先将数组划分为两个部分 arr[i…q−1] 与 arr[q+1…j],并使得arr[i…q−1] 中的每一个值都不超过 arr[q],且arr[q+1…j] 中的每一个值都大于arr[q]。
于是,我们根据 k 与左侧子数组 arr[i…q−1] 的长度(为 q−i)的大小关系:
如果k≤q−i,则数组 arr[l…r] 前 k 大的值,就等于子数组 arr[i…q−1] 前 k 大的值。
否则,数组 arr[l…r] 前 k 大的值,就等于左侧子数组全部元素,加上右侧子数组arr[q+1…j] 中前k−(q−i) 大的值。
原版的快速排序算法的平均时间复杂度为 O(NlogN)。我们的算法中,每次只需在其中的一个分支递归即可,因此算法的平均时间复杂度降为O(N)。
class Solution {
public:
void qsort(vector<pair<int, int>>& v, int start, int end, vector<int>& ret, int k) {
int picked = rand() % (end - start + 1) + start;
swap(v[picked], v[start]);
int pivot = v[start].second;
int index = start;
for (int i = start + 1; i <= end; i++) {
if (v[i].second >= pivot) {
swap(v[index + 1], v[i]);
index++;
}
}
swap(v[start], v[index]);
if (k <= index - start) {
qsort(v, start, index - 1, ret, k);
} else {
for (int i = start; i <= index; i++) {
ret.push_back(v[i].first);
}
if (k > index - start + 1) {
qsort(v, index + 1, end, ret, k - (index - start + 1));
}
}
}
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int, int> occurrences;
for (auto& v: nums) {
occurrences[v]++;
}
vector<pair<int, int>> values;
for (auto& kv: occurrences) {
values.push_back(kv);
}
vector<int> ret;
qsort(values, 0, values.size() - 1, ret, k);
return ret;
}
};
- 时间复杂度:O(N^2),其中 N 为数组的长度。设处理长度为 N 的数组的时间复杂度为 f(N)。由于处理的过程包括一次遍历和一次子分支的递归,最好情况下,有 f(N)=O(N)+f(N/2),根据 主定理,能够得到 f(N) = O(N)。最坏情况下,每次取的中枢数组的元素都位于数组的两端,时间复杂度退化为 O(N^2)。但由于我们在每次递归的开始会先随机选取中枢元素,故出现最坏情况的概率很低。平均情况下,时间复杂度为O(N)。
- 空间复杂度:O(N)。哈希表的大小为 O(N),用于排序的数组的大小也为 O(N),快速排序的空间复杂度最好情况为 O(logN),最坏情况为O(N)。