347. 前 K 个高频元素

使用优先队列解决高频元素问题

最新推荐文章于 2025-04-24 08:41:31 发布

原创最新推荐文章于 2025-04-24 08:41:31 发布 · 210 阅读

0 ·

CC 4.0 BY-SA版权

优先级队列专栏收录该内容

1 篇文章

订阅专栏

该博客介绍了一个利用优先队列（PriorityQueue）解决找出整数数组中出现频率最高的k个元素的方法。首先，通过HashMap统计每个元素的频率，然后创建一个自定义比较器的大顶堆，将频率作为比较依据。最后，从堆中依次取出频率最高的元素，构建答案列表。此方法适用于数据结构和算法的学习与实践。

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]

/*
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;
    }
});
*/

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;
    }
}