LeetCode347 前 K 个高频元素（优先级队列：PriorityQueue）

LeetCode347 前 K 个高频元素

LeetCode347 前 K 个高频元素

题目：给定一个非空的整数数组，返回其中出现频率前 k 高的元素。

原题目链接：https://leetcode-cn.com/problems/top-k-frequent-elements/

方法一、优先级队列

使用HashMap来统计数组中各个数字的词频：

        Map<Integer,Integer> map=new HashMap<>();
        for(Integer num:nums) {
        	Integer i=map.get(num);
        	map.put(num, i==null?1:++i);
        }

使用优先级队列PriorityQueue来选择频率前k个元素：

        Queue<int[]> que=new PriorityQueue<int[]>(new Comparator<int[]>() {
        	public int compare(int[] m,int[] n) {
        		return m[1]-n[1];
        	}
		});
        for(Map.Entry<Integer, Integer> entry:map.entrySet()) {
        	int num=entry.getKey(),count=entry.getValue();
        	if(que.size()==k) {
        		if(que.peek()[1]<count) {
        			que.poll();
        			que.offer(new int[] {num,count});
        		}
        	}else {
        		que.offer(new int[] {num,count});
        	}
        }

优先级队列PriorityQueue：

1、PriorityQueue 是基于优先堆的一个无界队列，这个优先队列中的元素可以默认自然排序或者通过提供的。
2、PriorityQueue 的大小是不受限制的，但在创建时可以指定初始大小（DEFAULT_INITIAL_CAPACITY =11）。当我们向优先队列增加元素的时候，队列大小会自动增加。
3、PriorityQueue 是非线程安全的，所以 Java 提供了 PriorityBlockingQueue（实现 BlockingQueue接口）用于Java 多线程环境。
4、通过堆实现，具体说是通过完全二叉树（complete binary tree）实现的小顶堆（任意一个非叶子节点的权值，都不大于其左右子节点的权值），也就意味着可以通过数组来作为 PriorityQueue 的底层实现。

方法：

1、添加元素：
add(E e) & offer(E e):
时间复杂度：logn
原因：加入一个元素，要进行优先堆的平衡。

2、取出堆顶元素：
poll():
时间复杂度：logn
原因：将堆顶元素取出，旋转产生新的堆顶。

peek():
时间复杂度：1
原因：查看堆顶，不取出。

代码：

class Solution {
    public static int[] topKFrequent(int[] nums, int k) {
    	List<Integer> list=new ArrayList<>();
        int[] res=new int[k];
        Map<Integer,Integer> map=new HashMap<>();
        for(Integer num:nums) {
        	Integer i=map.get(num);
        	map.put(num, i==null?1:++i);
        }
        Queue<int[]> que=new PriorityQueue<int[]>(new Comparator<int[]>() {
        	public int compare(int[] m,int[] n) {
        		return m[1]-n[1];
        	}
		});
        for(Map.Entry<Integer, Integer> entry:map.entrySet()) {
        	int num=entry.getKey(),count=entry.getValue();
        	if(que.size()==k) {
        		if(que.peek()[1]<count) {
        			que.poll();
        			que.offer(new int[] {num,count});
        		}
        	}else {
        		que.offer(new int[] {num,count});
        	}
        }
        for(int i=0;i<k;i++) {
        	res[i]=que.poll()[0];
        }
    	return res;
    }
}

总结：

1、词频分析用HashMap
2、遍历HashMap用Entry<K,V> ，因为HashMap底层用entry数组存储数据。
3、优先级队列的底层数据结构：数组（通过完全二叉树，生成优先堆）。
4、通过重写Comparator接口来重写排序的方法。