347. 前 K 个高频元素

思路：使用最小堆

1. 维护一个元素数目为 k 的最小堆
2. 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
3. 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
4. 最终，堆中的 k 个元素即为前 k 个高频元素

注意：1.避免使用大根堆，因为需要把所有元素压入堆，复杂度是 nlogn，而且还浪费内存。如果是海量元素，那就挂了
   2.对于 topk 问题：最大堆求topk小，最小堆求 topk 大
   3.java默认使用最小堆，由于我们是根据出现次数，也就是哈希表的值来建堆，需要自己写比较器，可以使用匿名函数来写比较器

PriorityQueue<Integer> queue = new PriorityQueue<>((a, b) -> map.get(a) - map.get(b));

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {
            map.put(num, map.getOrDefault(num, 0) + 1);
        }
        // PriorityQueue<Integer> queue = new PriorityQueue<>((a, b) -> map.get(a) - map.get(b));
        PriorityQueue<Integer> queue = 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 (queue.size() < k){
                queue.offer(key);
            }else if (map.get(key) > map.get(queue.peek())){
                queue.poll();
                queue.offer(key);
            }
        }
        int[] res = new int[queue.size()];
        int index = 0;
        while (!queue.isEmpty()){
            res[index++] = queue.poll();
        }
        return res;
    }
}