這道題主要涉及的是對數據結構裡哈希表、小頂堆的理解,優化時可以參考一些排序方法。
原題
給定一個非空的整數數組,返回其中出現頻率前 k 高的元素。
示例 1:
<code>輸入: nums = [1,1,1,2,2,3], k = 2
輸出: [1,2]
/<code>
示例 2:
<code>輸入: nums = [1], k = 1
輸出: [1]
/<code>
說明:
- 你可以假設給定的 k 總是合理的,且 1 ≤ k ≤ 數組中不相同的元素的個數。
- 你的算法的時間複雜度必須優於 O(n log n) , n 是數組的大小。
原題url:
https://leetcode-cn.com/problems/top-k-frequent-elements/
解題
正常思路
為了解決這道題,我們首先需要知道每個元素出現的次數。最方便的話,可以使用哈希表,因為這就是一個數字——出現次數的映射關係。此處的時間複雜度為O(n)
其次,因為需要查找頻率前 k 高的元素,所以我們肯定是需要排序的,時間複雜度為O(n log n)的排序方法有許多,快速排序、堆排序等,我是用的堆排序,使用小頂堆,這樣在每次入堆的時候,檢查一下堆的個數是否超過 k,如果超過,則移除堆頂的元素(也就是次數最少的元素)。
這樣堆裡剩餘的元素也就是最終的結果了,接下來我們看看代碼:
<code>class
Solution
{public
ListtopKFrequent
(int
[] nums,int
k) { Map countMap =new
HashMap<>();for
(int
num : nums) { countMap.put(num, countMap.getOrDefault(num,0
) +1
); } PriorityQueue heap =new
PriorityQueue((n1, n2) -> countMap.get
(n1) - countMap.get
(n2)); Set keySet = countMap.keySet();for
(int
key : keySet) { heap.add
(key);if
(heap.size() > k) { heap.poll(); } } List result =new
LinkedList<>(); Iterator iterator = heap.iterator();while
(iterator.hasNext()) { result.add
(iterator.next()); }return
result; } }/<code>
提交OK。
桶排序優化
針對排序,我想到了一個優化,利用桶排序,其時間複雜度為O(n),主要是浪費空間,因為需要申請額外的數組,下標代表出現的次數,元素我用的是 LinkedList,這樣可以存儲多個。那麼這個在進行輸出時,只要從後往前進行遍歷,當結果的數量達到 k 時,就可以停止了。
接下來我們看看代碼 :
<code>class
Solution
{public
List topKFrequent(int
[] nums,int
k) { Map countMap =new
HashMap<>();int
maxCount =0
;for
(int
num : nums) {int
count = countMap.getOrDefault(num,0
) +1
;if
(count > maxCount) { maxCount = count; } countMap.put(num, count); } LinkedList[]array
=new
LinkedList[maxCount +1
];for
(Map.Entry entry : countMap.entrySet()) {int
key = entry.getKey();int
count = entry.getValue(); LinkedListlist
=array
[count];if
(list
== null) {list
=new
LinkedList<>();array
[count] =list
; }list
.add(key); } List result =new
LinkedList<>();for
(int
i =array
.length -1
; i >=0
&& result.size() < k; i--) { Listlist
=array
[i];if
(list
== null) {continue
; } result.addAll(list
); }return
result; } }/<code>
提交OK。
總結
以上就是這道題目我的解答過程了,不知道大家是否理解了。這道題主要涉及的是對數據結構的理解,優化時可以參考一些特殊的排序方法。
有興趣的話可以訪問我的博客或者關注我的公眾號、頭條號,說不定會有意外的驚喜。
https://death00.github.io/