堆,父节点值要大于子节点值,所以跟节点是最大或最小的
初建堆
比较,父节点与子节点的交换,n/2的元素会交换k次,很明显时间复杂度O(n)
重建堆
每次弹出元素,要重新排列堆,需要比较logn,所以是O(nlogn)
- 前 K 个高频元素
思路一:利用哈希表存储之后排序,获取前k个,时间复杂度大于O(nlogn)
思路二:堆,先哈希表O(n),构建堆更新,O(nlogk),堆适用于,前多少个这种,可以不用管之后的数据,尤其在大数据的情况下。
class Solution:
def topKFrequent(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
import heapq
count_list = dict()
for i in nums:
count_list[i] = count_list.get(i, 0) + 1
p = list()
for i in count_list.items():
if len(p) == k:
if i[1] > p[0][0]:
heapq.heappop(p)
heapq.heappush(p, (i[1], i[0]))
else:
heapq.heappush(p, (i[1], i[0]))
return [i[1] for i in p]