文章目录
- 题目描述
- 思路分析
- 法一( 哈希计数)：
- 法二（堆）：
- 完整代码
题目描述
给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。
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]
思路分析
法一( 哈希计数)：
可以用python里的Counter计数器统计出来所有的元素的出现频率，然后用most_common()方法取出排行前k个的元素。
关于most_common()，这里面的参数就是取前N大的数值，比如有
- nums = [1,1,1,2,2,3,5,5,5,5]，
- Counter之后，{5: 4, 1: 3, 2: 2, 3: 1}，
- 使用most_common(2)之后[[(5, 4), (1, 3)]]。
- 若k=2.显然返回的是[5,1]
法二（堆）：
python里的堆使用heapq包实现，默认为小根堆，如果要用大根堆，就让元素乘以负一。
堆的思路就是维护一个K字节大小的堆，堆类似于一个二叉树，每个树节点存的是一个元组(出现次数，元素值)，pop弹出从根节点弹出，push添加从叶子节点添加。
堆里比较的是出现次数，也就是按照出现次数进行排序。若所维护的堆长度小于k则往里push元素，若大于k则pop。
整体步骤：
- 首先遍历原数组，建立哈希表， key为元素，val为出现次数。
- 建立小根堆，遍历哈希表，将(出现次数，元素值）加入堆。
- 若堆大于K个，则pop弹出元素，否则就一直往里加。
- 倒叙输出小根堆。
这里有必要说一下为啥求最高频率用小根堆，而不是大根堆，可以想象一下，加入小根堆的元素，如果很小，则被pop掉了，所以所维护的小根堆最后剩下的就是最大的那k个元素，root为k个元素中最小的元素（出现频率最小的），最后输出的时候倒数输出这个堆，得到的就是前K个最大频率元素。
另外大顶堆 小顶堆 比较适合求前K个高频或者低频元素 大根堆求小的，小根堆求大的。时间复杂度：快排是nlogn 堆就是nlogk。
完整代码
法一：
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
from collections import Counter
hs = Counter(nums)
res = []
for i in hs.most_common():
res.append(i[0])
print(res[:k])
return res[:k]
法二：
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
import heapq
hs = {}
for i in range(len(nums)):
if nums[i] in hs:
hs[nums[i]] +=1
else:
hs[nums[i]] = 0
min_heapq = []
for key,val in hs.items():
heapq.heappush(min_heapq,(val,key))
if len(min_heapq) > k:
heapq.heappop(min_heapq)
res = [0] * k
for i in range(k-1,-1,-1):
res[i] = heapq.heappop(min_heapq)[1]
return