力扣347：前k个高频元素---leetcode347:Top K Frequent Elements

leetcode347题目链接：https://leetcode.cn/problems/top-k-frequent-elements

目录

一、题目描述

二、思路   

1.什么是优先级队列呢？

2.什么是堆呢？

3.本题我们就要使用优先级队列来对部分频率进行排序。

4.此时要思考一下，是使用小顶堆呢，还是大顶堆？

三、流程

四、Java代码实现

---

 

一、题目描述

        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]

二、思路   

这道题目主要涉及到如下三块内容：

• 要统计元素出现频率：首先统计元素出现的频率，这一类的问题可以使用map来进行统计。
• 对频率排序:对频率进行排序，这里我们可以使用一种 容器适配器就是优先级队列。
• 找出前K个高频元素

1.什么是优先级队列呢？

其实就是一个披着队列外衣的堆，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列。

而且优先级队列内部元素是自动依照元素的权值排列。那么它是如何有序排列的呢？

缺省情况下priority_queue利用max-heap（大顶堆）完成对元素的排序，这个大顶堆是complete binary tree（完全二叉树）。

2.什么是堆呢？

堆是一颗完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。

所以大家经常说的大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。

3.本题我们就要使用优先级队列来对部分频率进行排序。

为什么不用快排呢， 使用快排要将map转换为arrayList的结构，然后对整个数组进行排序， 而这种场景下，我们其实只需要维护k个有序的序列就可以了，所以使用优先级队列是最优的。

4.此时要思考一下，是使用小顶堆呢，还是大顶堆？

有的同学一想，题目要求前 K 个高频元素，那么果断用大顶堆啊。

那么问题来了，定义一个大小为k的大顶堆，在每次移动更新大顶堆的时候，每次弹出都把最大的元素弹出去了，那么怎么保留下来前K个高频元素呢。

所以我们要用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。

三、流程

        寻找前k个最大元素流程如图所示：（图中的频率只有三个，所以正好构成一个大小为3的小顶堆，如果频率更多一些，则用这个小顶堆进行扫描）

四、Java代码实现

package sort;

import java.util.*;

public class TopKFrequentNum_347 {
	public static void main(String[] args) {
		int[] nums = {1,1,1,2,2,3};
		int k = 2;
		int[] res = topKFrequent(nums, k);
		System.out.println(Arrays.toString(res));
	}

	//1.统计数字出现的次数
	//2.按照次数进行排序
	//3.返回出现频率前k高的元素
	public static int[] topKFrequent(int[] nums, int k) {
		int[] res = new int[k];//结果数组

		//统计次数
		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);
			}
		}

		//根据map的value值正序排，相当于小顶堆
		PriorityQueue<Map.Entry<Integer, Integer>> queue = new PriorityQueue<>(new Comparator<Map.Entry<Integer, Integer>>() {
			@Override
			public int compare(Map.Entry<Integer, Integer> o1, Map.Entry<Integer, Integer> o2) {
				return o1.getValue()-o2.getValue();
			}
		});
		//获取对象的集合
		Set<Map.Entry<Integer, Integer>> entries = map.entrySet();
		//使用增强for遍历
		for (Map.Entry<Integer, Integer> entry : entries) {
			queue.add(entry);
			if (queue.size() > k){
				queue.poll();
			}
		}

		for (int i = k-1; i >= 0; i--) {
			res[i] = queue.poll().getKey();
		}
		return res;
	}
}