LeetCode/347. 前 K 个高频元素

347. 前 K 个高频元素

给定一个非空的整数数组，返回其中出现频率前k高的元素。

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：

• 你可以假设给定的 k 总是合理的，且 1 ≤ k ≤ 数组中不相同的元素的个数。
• 你的算法的时间复杂度必须优于 O(n log n) , n 是数组的大小。
• 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。
• 你可以按任意顺序返回答案。

来源：力扣（LeetCode）
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

题解：

本题用最直观的思路，就是创建一个Map，通过计数、排序，可以得到每个数字按照出现次数的降序排列的HashMap，然后截取前k个返回就可以得到结果。

具体代码如下：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> map = new HashMap<>();
        //计数
        for (int i = 0; i < nums.length; i++) {
            if (map.containsKey(nums[i])) {
                Integer times = map.get(nums[i]);
                times += 1;
                map.put(nums[i], times);
            } else {
                map.put(nums[i], 1);
            }
        }
        //按value降序排序
        List<Map.Entry<Integer, Integer>> list = new ArrayList<>(map.entrySet());
        Collections.sort(list, (o1, o2) -> o2.getValue().compareTo(o1.getValue()));
        int[] result = new int[k];
        Iterator<Map.Entry<Integer, Integer>> iterator = list.iterator();
        //包装结果
        for (int i = 0; i < k; i++) {
            Map.Entry<Integer, Integer> next = iterator.next();
            result[i] = next.getKey();
        }
        return result;
    }
}

当然了，这种暴力解法时间复杂度和空间复杂度都不太好，我们利用官方描述的堆的方式来解题。一顿操作后，发现时间复杂度和空间复杂度依旧很高。

具体代码如下：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        //建立出现评率数组
        Map<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {
            map.put(num, map.getOrDefault(num, 0) + 1);
        }
        //对频率数组进行排序
        List<Map.Entry<Integer, Integer>> list = new ArrayList<>(map.entrySet());
        Collections.sort(list, (o1, o2) -> o2.getValue().compareTo(o1.getValue()));

        //建立小顶堆
        PriorityQueue<int[]> queue = new PriorityQueue<>(Comparator.comparingInt(o -> o[1]));
        for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
            int key = entry.getKey();
            int value = entry.getValue();
            if (queue.size() == k) {
                //比较新元素和堆顶元素的大小，如果堆的大小为k且堆顶元素的值比新值小，则将替换堆顶元素
                if (queue.peek()[1] < value) {
                    queue.poll();
                    queue.offer(new int[]{key, value});
                }
            } else {
                queue.offer(new int[]{key, value});
            }
        }

        //包装结果
        int[] result = new int[k];
        for (int i = 0; i < k; i++) {
            result[i] = queue.poll()[0];
        }
        return result;
    }
}

还有一种桶排序的方法，桶排序的基本思想就是，首先我们还是要得到出现频次数组，然后我们需要新建一个桶数组，将桶数组的下标和出现频次对应起来，比如1出现了3次，那么桶数组下标为3的位置就应该存放1，最后，我们倒序遍历桶数组，就可以得到出现频次前K大的结果。

具体代码如下：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        //建立出现频率数组
        Map<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {
            map.put(num, map.getOrDefault(num, 0) + 1);
        }

        List<Integer>[] freqList = new List[nums.length + 1];
        for (int i = 0; i < freqList.length; i++) {
            freqList[i] = new ArrayList<>();
        }

        //将出现频次与桶数组下标对应
        map.forEach((num, freq) -> freqList[freq].add(num));

        //包装结果
        int[] result = new int[k];
        int index = 0;
        for (int i = freqList.length - 1; i > 0; i--) {
            for (Integer num : freqList[i]) {
                result[index++] = num;
                if (index == k) {
                    return result;
                }
            }
        }
        return result;
    }
}