前K个高频元素

描述：

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]
说明：

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。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/top-k-frequent-elements

思路分析：

1、前k个最大：建小根堆，每次弹出根上最小的元素
2、前k个最小：建大根堆，每次弹出根上最大的元素

如何构建小根堆：

【Java】 用PriorityQueue实现最大最小堆

PriorityQueue（优先队列），一个基于优先级堆的无界优先级队列。

实际上是一个堆（不指定Comparator时默认为最小堆），通过传入自定义的Comparator函数可以实现大顶堆。

    PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(); //小顶堆，默认容量为11
    PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(11,new Comparator<Integer>(){ //大顶堆，容量11
        @Override
        public int compare(Integer i1,Integer i2){
            return i2-i1;
        }
    });

案例： 剑指offer(41) 最小的k个数

PriorityQueue的常用方法有：poll(),offer(Object),size(),peek()等。

插入方法（offer()、poll()、remove() 、add() 方法）时间复杂度为O(log(n)) ；
　　remove(Object) 和 contains(Object) 时间复杂度为O(n)；
　　检索方法（peek、element 和 size）时间复杂度为常量。

代码实现：

注意：
一定要重写Comparator中的compare函数及其写法！！！
一定要重写Comparato中的comparer函数及其写法！！！
一定要重写Comparator中的compare函数及其写法！！！

class Solution {
    public List<Integer> topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> map = new HashMap<>();
        // 使用字典，统计每个元素出现的次数，元素为键，元素出现的次数为值
        for (int i = 0; i < nums.length; i++) {
            if (map.containsKey(nums[i])) {
                map.put(nums[i], map.get(nums[i]) + 1);
            } else {
                map.put(nums[i], 1);
            }
        }
        // 遍历map，用最小堆保存频率最大的k个元素
        PriorityQueue<Integer> queue = new PriorityQueue<>(new Comparator<Integer>() {
            @Override
            public int compare(Integer a, Integer b) {
                return map.get(a) - map.get(b);
            }
        });
        for (Integer key : map.keySet()) {
            if (queue.size() < k) {
                queue.add(key);
            } else if (map.get(key) > map.get(queue.peek())){
                queue.remove();
                queue.add(key);
            }
        }
        List<Integer> ans = new ArrayList<>();
        // 取出最小堆中的元素
        while (!queue.isEmpty()) {
            ans.add(queue.remove());
        }
        return ans;
    }
}