算法篇：树之topk问题

算法：

topk问题，解决的办法通常都是使用最小堆或者最大堆。
大顶堆：父亲节点的值总是比其两个子节点的值大。
小顶堆：父亲节点的值总是比其两个子节点的值小。
对于大顶堆：arr[i]>=arr[2*i+1] && arr[i] >= arr[2*i+2]
对于小顶堆：arr[i]<=arr[2*i+1] && arr[i] <= arr[2*i+2]

备注：除此之外，我们还可以使用golang中的sort()函数，将数组排序，
然后取出来前k个元素即可。

题目1：

https://leetcode-cn.com/problems/zui-xiao-de-kge-shu-lcof/

代码实现：

/*
解题思路：
1.先根据数组前k个元素，建一个k大小的大顶堆
2.将数组剩余的len-k个元素依次放入大顶堆中，
当元素小于大顶堆最大的数值的时候，进堆；
当元素大于堆的最大值的时候，跳过。 
*/
func getLeastNumbers(arr []int, k int) []int {
    if k > len(arr) || k == 0{
        return nil
    }
    if k == len(arr) {
        return arr
    }
    maxH := buildHeap(arr[:k])
    for i := k; i<len(arr); i++ {
        if arr[i] < maxH[0] {
            maxH[0] = arr[i]
            maxH = buildHeap(maxH)
        }
    }
    return maxH
}
func buildHeap(arr []int) []int {
    len := len(arr) - 1
    minP := (len -1)/2 // 找到最底层的根节点
    for minP >= 0 {
        heapify(arr,minP) // 从最低的那个父节点开始调整
        minP--
    }
    return  arr
}
func heapify(arr []int, i int) {
    len := len(arr)
    if i >= len {
        return
    }
    l,r := 2*i+1,2*i+2
    // 找到父节点，两个子节点中的最大的那个值，调整这个元素为父节点
    max := i 
    if l < len && arr[l]>arr[max] {
        max = l
    }
    if r < len && arr[r]>arr[max] {
        max = r
    }
    // 继续调整这个父节点的子孙节点，让他们也是大顶堆
    if max != i { 
        arr[max],arr[i] = arr[i], arr[max]
        heapify(arr,max)
    }
}

执行结果：

题目2:

https://leetcode-cn.com/problems/top-k-frequent-elements/

代码实现：

type Node struct{
    Key int
    Value int
}
func topKFrequent(nums []int, k int) []int {
    // 1.通过map去重，并对每一个元素计数，统计出现频率
    tmpM := make(map[int]int)
    for _,n := range nums {
       if _,ok := tmpM[n]; !ok {
           tmpM[n] = 1
       } else {
           tmpM[n]++
       }
    }
    // 2.将map里面去重后的数据放到队列里面，这因为map是无序的
    res := []Node{}
    for k,v:=range tmpM{
        res = append(res,Node{k,v})
    }
    // 3.对于小于k的数组的处理，这里就转换成了题目1中的topk问题
    r := []int{}
    if len(res) <=k {
        for i:= 0; i< k; i++ {
            r = append(r,res[i].Key)
        }
        return r
    }
    // 4.建立一个k个元素的最小堆
    heap := res[:k] // 注意：需要额外的一个数组来存储堆的数据
    buildMinHeap(heap)
    for i:=k; i< len(res);i++ {
        if res[i].Value>heap[0].Value {
            heap[0].Key = res[i].Key
            heap[0].Value = res[i].Value
            heapify(heap,0)
        }
    }
    // 5.对这些数据按照从小到大顺序排序
    for i:= k-1; i>=0; i-- {
        r = append(r,heap[i].Key)
    }


    return  r
}
func buildMinHeap(nums []Node) {
     for startIdx := (len(nums)-1)/2; startIdx >=0;startIdx-- { 
         // 最后的一个父亲节点开始，最后一个父亲节点的子节点是叶子节点
         heapify(nums,startIdx)
     }
}
func heapify(nums []Node , i int) { // 最大K用，最小堆
    l := len(nums)
    if l <= i {
        return
    }
    left,right := 2*i +1, 2*i +2
    max := i
    if left <l &&nums[left].Value<nums[max].Value {
        max = left
    }
    if right <l && nums[right].Value<nums[max].Value {
        max = right
    }
    if max != i {
        // 交换元素的时候，记得将Node中的所有值都做交换
        nums[max].Key,nums[i].Key = nums[i].Key,nums[max].Key
        nums[max].Value,nums[i].Value = nums[i].Value,nums[max].Value
        heapify(nums,max)
    }
}

执行结果：

题目3:

https://leetcode-cn.com/problems/top-k-frequent-words/

代码实现：

func topKFrequent(words []string, k int) []string {
   if len(words) <= k {
       sort.Strings(words)
       return words
   }
   // 1. 利用map去重，并记录高频单词
    strM := make(map[string]int)
    for _,w := range words {
        _,ok := strM[w]
        if ok == false {
            strM[w] = 1
        } else {
            strM[w]++
        }
    }
    // 2. 利用 Go的库函数sort()来实现排序
    strN := Nodes{}
    for k,v := range strM {
        strN = append(strN,Node{Key:k,Value:v})
    }
    sort.Sort(Nodes(strN))
    fmt.Println(strN)
    var res []string
    for _, v:=range strN {
        res = append(res,v.Key)
    }
    return res[:k]
}
type Node struct {
    Key string
    Value int
}
type Nodes []Node
func (n Nodes) Len() int {
    return len(n)
}
func (n Nodes) Swap(i,j int) {
    n[i],n[j] = n[j],n[i]
}
func (n Nodes) Less(i, j int) bool {
    if n[i].Value > n[j].Value {
        return true
    } 
    if n[i].Value == n[j].Value {
        if n[i].Key <= n[j].Key {
            return true
        }
    }
    return false 
}

执行结果：