栈和队列7——前 K 个高频元素

题目

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

题目说明

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

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：

• $1\le nums.length\le 105$
• $k的取值范围是[1,数组中不相同的元素的个数]$
• 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

解题

方法一：堆

思路与算法

首先遍历整个数组，并使用哈希表记录每个数字出现的次数，并形成一个「出现次数数组」。找出原数组的前 $k$ 个高频元素，就相当于找出「出现次数数组」的前 $k$大的值。

最简单的做法是给「出现次数数组」排序。但由于可能有 $O(N)$ 个不同的出现次数（其中 $N$ 为原数组长度），故总的算法复杂度会达到 $O(N\log N)$，不满足题目的要求。

在这里，我们可以利用堆的思想：建立一个小顶堆，然后遍历「出现次数数组」：

• 如果堆的元素个数小于 $k$，就可以直接插入堆中。
• 如果堆的元素个数等于 $k$，则检查堆顶与当前出现次数的大小。
• 如果堆顶更大，说明至少有 $k$ 个数字的出现次数比当前值大，故舍弃当前值；否则，就弹出堆顶，并将当前值插入堆中。
  遍历完成后，堆中的元素就代表了「出现次数数组」中前 $k$ 大的值。

代码

c++

class Solution {
public:
   static bool cmp(pair<int, int>& m, pair<int, int>& n) {
       return m.second > n.second;
   }

   vector<int> topKFrequent(vector<int>& nums, int k) {
       unordered_map<int, int> occurrences;
       for (auto& v : nums) {
           occurrences[v]++;
       }

       // pair 的第一个元素代表数组的值，第二个元素代表了该值出现的次数
       priority_queue<pair<int, int>, vector<pair<int, int>>, decltype(&cmp)> q(cmp);
       for (auto& [num, count] : occurrences) {
           if (q.size() == k) {
               if (q.top().second < count) {
                   q.pop();
                   q.emplace(num, count);
               }
           } else {
               q.emplace(num, count);
           }
       }
       vector<int> ret;
       while (!q.empty()) {
           ret.emplace_back(q.top().first);
           q.pop();
       }
       return ret;
   }
};

复杂度分析

• 时间复杂度：$O(N\log k)$，其中 $N$为数组的长度。我们首先遍历原数组，并使用哈希表记录出现次数，每个元素需要 $O(1)$ 的时间，共需 $O(N)$ 的时间。随后，我们遍历「出现次数数组」，由于堆的大小至多为 $k$，因此每次堆操作需要 $O(\log k)$ 的时间，共需 $O(N\log k)$ 的时间。二者之和为 $O(N\log k)$。
• 空间复杂度：$O(N)$。哈希表的大小为 $O(N)$，而堆的大小为 $O(k)$，共计为 $O(N)$。

方法二：基于快速排序

思路与算法

我们可以使用基于快速排序的方法，求出「出现次数数组」的前 $k$ 大的值。

在对数组 $\text{arr}[l\dots r]$ 做快速排序的过程中，我们首先将数组划分为两个部分 $\text{arr}[i\dots q-1]$与 $\text{arr}[q+1\dots j]$，并使得 $\text{arr}[i\dots q-1]$ 中的每一个值都不超过 $\text{arr}[q]$，且 $\text{arr}[q+1\dots j]$中的每一个值都大于 $\text{arr}[q]$。

于是，我们根据 $k$ 与左侧子数组 $\text{arr}[i\dots q-1]$的长度（为 $q-i$）的大小关系：

• 如果 $k\le q-i$，则数组 $\text{arr}[l\dots r]$ 前 $k$大的值，就等于子数组 $\text{arr}[i\dots q-1]$前 kk 大的值。
• 否则，数组 $\text{arr}[l\dots r]$ 前 $k$ 大的值，就等于左侧子数组全部元素，加上右侧子数组 $\text{arr}[q+1\dots j]$ 中前 $k-(q-i)$ 大的值。

原版的快速排序算法的平均时间复杂度为 $O(N\log N)$。我们的算法中，每次只需在其中的一个分支递归即可，因此算法的平均时间复杂度降为 $O(N)$。

代码

c++

class Solution {
public:
    void qsort(vector<pair<int, int>>& v, int start, int end, vector<int>& ret, int k) {
        int picked = rand() % (end - start + 1) + start;
        swap(v[picked], v[start]);

        int pivot = v[start].second;
        int index = start;
        for (int i = start + 1; i <= end; i++) {
            if (v[i].second >= pivot) {
                swap(v[index + 1], v[i]);
                index++;
            }
        }
        swap(v[start], v[index]);

        if (k <= index - start) {
            qsort(v, start, index - 1, ret, k);
        } else {
            for (int i = start; i <= index; i++) {
                ret.push_back(v[i].first);
            }
            if (k > index - start + 1) {
                qsort(v, index + 1, end, ret, k - (index - start + 1));
            }
        }
    }

    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int, int> occurrences;
        for (auto& v: nums) {
            occurrences[v]++;
        }

        vector<pair<int, int>> values;
        for (auto& kv: occurrences) {
            values.push_back(kv);
        }
        vector<int> ret;
        qsort(values, 0, values.size() - 1, ret, k);
        return ret;
    }
};

复杂度分析

• 时间复杂度：$O(N^2)$，其中 $N$为数组的长度。
  设处理长度为 $N$的数组的时间复杂度为 $f(N)$。由于处理的过程包括一次遍历和一次子分支的递归，最好情况下，有 $f(N)=O(N)+f(N/2)$，根据 主定理，能够得到 $f(N)=O(N)$。
  最坏情况下，每次取的中枢数组的元素都位于数组的两端，时间复杂度退化为 $O(N^2)$。但由于我们在每次递归的开始会先随机选取中枢元素，故出现最坏情况的概率很低。
  平均情况下，时间复杂度为 $O(N)$。
• 空间复杂度：$O(N)$。哈希表的大小为 $O(N)$，用于排序的数组的大小也为 $O(N)$，快速排序的空间复杂度最好情况为 $O(\log N)$，最坏情况为 $O(N)$。