集美大学-计算机打卡（20）

PriorityQueue<int[]> queue = new PriorityQueue<int[]>(new Comparator<int[]>() {
            public int compare(int[] m, int[] n) {
                return m[1] - n[1];
            }
        });   //最小堆
        for (Map.Entry<Integer, Integer> entry : occurrences.entrySet()) {//遍历键值对
            int num = entry.getKey(), count = entry.getValue();
            if (queue.size() == k) {
                if (queue.peek()[1] < count) {
                    queue.poll();
                    queue.offer(new int[]{num, count});
                }
            } else {
                queue.offer(new int[]{num, count});
            }
        }

这段代码是一个用于找出出现频率前 k 高的元素的算法，使用了最小堆的数据结构。以下是对代码的解释：

1. **数据结构选择：** 使用了一个 `PriorityQueue`，这是Java中的优先队列，默认情况下是一个最小堆。最小堆的性质是堆顶元素最小，适用于找出频率前 k 高的元素。

2. **Comparator定义：** 在创建 `PriorityQueue` 的时候，通过传递一个自定义的 `Comparator` 对象来定义元素比较的规则。这里的比较规则是基于元素的出现频率，即数组的第二个元素。如果第二个元素较小，就意味着该元素的频率较高，因此在最小堆中应该排在前面。

3. **遍历HashMap：** 代码通过遍历一个存储了元素出现次数的 `HashMap`，对于每个键值对（元素和其出现次数），执行以下操作：

   - 如果最小堆的大小已经达到 k，比较堆顶元素的频率与当前元素的频率。
   
     - 如果堆顶元素频率较小，说明堆中的元素不是前 k 高的，可以将堆顶元素弹出，然后将当前元素加入堆中。
     
   - 如果最小堆的大小还没有达到 k，直接将当前元素加入堆中。

4. **最终结果：** 遍历完成后，最小堆中的元素就是出现频率前 k 高的元素。堆顶元素是最小的，但它是堆中频率最高的元素，而堆中其他元素都比它的频率低。

这种算法的时间复杂度是 O(n * log(k))，其中 n 是HashMap的大小。这是因为堆的大小是 k，对于每个元素，插入或弹出操作的时间复杂度是 log(k)。