算法堆

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)

347. 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]