347. 前 K 个高频元素

本文介绍了一种解决数据结构问题的方法,如何在O(nlogk)的时间复杂度内找到数组中出现频率前K高的元素。文中提到了两种策略,包括通过构建小顶堆来保持元素按出现次数的降序排列,以及另一种解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

问题
在这里插入图片描述
在这里插入图片描述

例子

在这里插入图片描述

思路

  • 方法1
    $$

    $$

    因为要优于O(nlogn),要保证为O(nlogn)
    (按照出现次数构建小顶堆)

  • 方法2
    $$

    $$

代码

//方法1
class Solution {
    public List<Integer> topKFrequent(int[] nums, int k) {
        
        //数字,数字出现的次数
        Map<Integer,Integer> map = new HashMap<>();
        for(int n : nums)
            map.put(n, map.getOrDefault(n,0)+1);
        
        //按照出现次数的大小来构建小顶堆
        PriorityQueue<Integer> q = new PriorityQueue<>((a,b)->map.get(a)-map.get(b));
        for(Integer i : map.keySet()) {
            if(q.size()<k) q.offer(i);
            else{//数字i出现的次数比队列顶部数组出现的更多
                
                if(map.get(i)>map.get(q.peek())){
                    q.poll();
                    q.offer(i);
                }
            }
            
            
        }
        return new ArrayList<Integer>(q);


    }
}
//方法2

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值