LeetCode前K个高频元素
问题描述
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。
示例 1:
输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]
示例 2:
输入: nums = [1], k = 1
输出: [1]
说明:
你可以假设给定的 k 总是合理的,且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于 O(n log n) , n 是数组的大小。
链接:https://leetcode-cn.com/problems/top-k-frequent-elements
问题分析
首先要统计出元素出现的频率,然后对频率进行排序,最后拿出对应的前K高的元素。
出现频率的统计可以使用字典,然后排序的时候为了考虑算法的复杂度必须优于
O
(
n
l
o
g
n
)
O(nlogn)
O(nlogn),所以可使用的排序方法不多
具有线性的时间复杂度的算法只有桶排序,基数排序和计数排序,而基数排序和计数排序的思想和桶排序是一样的,可以看成是桶排序。
解法一(使用基数排序)
def topKFrequent(nums,k):
#以元素为字典中的key值,元素出现的频率为字典中的value值
dictionary={}
for i in nums:
if dictionary.get(i) is None:
dictionary[i]=1
else:
dictionary[i] += 1
values=list(dictionary.values()) # 取出频率,准备排序
#下面是基数排序
#参考:
i=0 # 起始位为个位
j=3 # 最多设置到百位
while i<j:
bucket_list=[[] for _ in range(10)] # 每次位排序都需要初始设置10个桶
for n in values:
x=int(n/(10**i)%10) # 算出对应的位数,当i=0时,x为个位,当i=1时,x为十位
bucket_list[x].append(n) # 按照位数放入各自的桶里
c=[]
for n in bucket_list:
c=c+n # 将每个桶里的元素放进一个list中,进行下一步排序
values=c
i += 1
output=[]
# 下面是根据字典和频率的排序值取出对应的前K高频的数字
for key, value in dictionary.items():
if value>=values[-k]: # 注意是前k个高频的,不是第K高频的,因为基数排序习惯性是升序的,所以用-k来取值
output.append(key)
return output
运行结果:
执行用时 :76 ms, 在所有 Python3 提交中击败了47.91%的用户
内存消耗 :15.6 MB, 在所有 Python3 提交中击败了99.44%的用户
基数排序
更加简洁的写法如下:
def RadixSort(list, d): # list为需要排序的数组,d为最高位数
for k in range(d):
s=[[] for _ in range(10)]
for i in list:
s[int(i/(10**k)%10)].append(i)
list=[j for i in s for j in i]
return list
解法二(堆)
解法详细解释:前 K 个高频元素
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
count = collections.Counter(nums)
return heapq.nlargest(k, count.keys(), key=count.get)
运行结果:
执行用时 :56 ms, 在所有 Python3 提交中击败了96.61%的用户
内存消耗 :15.7 MB, 在所有 Python3 提交中击败了95.48%的用户
关于heapq库的相关操作指南在下面链接:
Python标准库模块之heapq
从一个集合中查找最大最小的N个元素——Python heapq 堆数据结构