🌸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。
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]
提示:
- 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。
- 题目数据保证答案唯一,换句话说,数组中前 k 个高频元素的集合是唯一的。
- 你可以按任意顺序返回答案。
🌸分析
以下给出了两种方法,思路其实是一样的:通过 计算剩余数字个数的阶乘数,一位一位选出第 k
个排列的数位。
🌸解法一:排序
最简单粗暴的思路就是 使用排序算法对元素按照频率由高到低进行排序,然后再取前 k 个元素。
可以发现,使用常规的诸如 冒泡、选择、甚至快速排序都是不满足题目要求,它们的时间复杂度都是大于或者等于 O(n logn),而题目要求算法的时间复杂度必须优于 O(n log n)。
🌸解法二:最小堆
题目最终需要返回的是前 k 个频率最大的元素,可以想到借助堆这种数据结构,对于 k 频率之后的元素不用再去处理,进一步优化时间复杂度。
具体操作为:
- 借助 哈希表 来建立数字和其出现次数的映射,遍历一遍数组统计元素的频率
- 维护一个元素数目为 k的最小堆
- 每次都将新的元素与堆顶元素(堆中频率最小的元素)进行比较
- 如果新的元素的频率比堆顶端的元素大,则弹出堆顶端的元素,将新的元素添加进堆中
- 最终,堆中的 k 个元素即为前 k 个高频元素
public List<Integer> topKFrequent(int[] nums, int k) {
//使用字典,统计每个元素出现的次数,次数为建,元素出现的次数为值
Map<Integer, Integer> map = new HashMap<>();
for(int num : nums) {
if(map.containsKey(num)) {
map.put(num, map.get(num) + 1);
}else {
map.put(num, 1);
}
}
//遍历map,用最小堆保存频率最大的K个元素
PriorityQueue<Integer> pq = new PriorityQueue<>(new Comparator<Integer>() {
@Override
public int compare(Integer a, Integer b) {
return map.get(a) - map.get(b);
}
});
for(Integer key : map.keySet()) {
if(pq.size() < k) {
pq.add(key);
}else if(map.get(key) > map.get(pq.peek())){
pq.remove();
pq.add(key);
}
}
//取出最小堆中的元素
List<Integer> res = new ArrayList<>();
while(!pq.isEmpty()) {
res.add(pq.remove());
}
return res;
}
🌸解法三:桶排序
首先依旧使用哈希表统计频率,统计完成后,创建一个数组,将频率作为数组下标,对于出现频率不同的数字集合,存入对应的数组下标即可。
public List<Integer> topKFrequent2(int[] nums, int k) {
List<Integer> res = new ArrayList<>();
//使用字典,统计每个元素出现的次数,次数为建,元素出现的次数为值
Map<Integer, Integer> map = new HashMap<>();
for(int num : nums) {
if(map.containsKey(num)) {
map.put(num, map.get(num) + 1);
}else {
map.put(num, 1);
}
}
//桶排序
//将频率作为数组的下标,对于出现频率不同的数字集合,存入对应的下标数组
@SuppressWarnings("unchecked")
List<Integer>[] list = new List[nums.length + 1];
for(int key : map.keySet()) {
//获取出现的次数作为下标
int i = map.get(key);
if(list[i] == null) {
list[i] = new ArrayList<>();
}
list[i].add(key);
}
//倒序遍历数组获取出现顺序从大到小的排列
for(int i = list.length - 1; i >= 0 && res.size() < k; i--) {
if(list[i] == null) {
continue;
}
res.addAll(list[i]);
}
return res;
}