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