本文主要是介绍2021-10-6 347. 前 K 个高频元素(优先队列),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
注:
题目:
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]
提示:
1 <= nums.length <= 105
k 的取值范围是 [1, 数组中不相同的元素的个数]
题目数据保证答案唯一,换句话说,数组中前 k 个高频元素的集合是唯一的
进阶:
你所设计算法的时间复杂度 必须 优于 O(n log n) ,其中 n 是数组大小。
题解:
思路与算法
首先遍历整个数组,并使用哈希表记录每个数字出现的次数,并形成一个「出现次数数组」。找出原数组的前 k 个高频元素,就相当于找出「出现次数数组」的前 k 大的值。
最简单的做法是给「出现次数数组」排序。但由于可能有 O(N) 个不同的出现次数(其中 N 为原数组长度),故总的算法复杂度会达到 O(NlogN),不满足题目的要求。
在这里,我们可以利用堆的思想:建立一个小顶堆,然后遍历「出现次数数组」:
- 如果堆的元素个数小于 k,将当前访问的元素直接插入堆中。
- 如果堆的元素个数等于 k,则将当前访问的元素插入到堆中,之后弹出堆顶。
遍历完成后,堆中的元素就代表了「出现次数数组」中前 k 大的值。
复杂度分析
时间复杂度:O(Nlogk),其中 N 为数组的长度。我们首先遍历原数组,并使用哈希表记录出现次数,每个元素需要 O(1) 的时间,共需 O(N) 的时间。随后,我们遍历「出现次数数组」,由于堆的大小至多为 k,因此每次堆操作需要 O(logk) 的时间,共需 O(Nlogk) 的时间。二者之和为 O(Nlogk)。
空间复杂度:O(N)。哈希表的大小为 O(N),而堆的大小为 O(k),共计为 O(N)。
class Solution {
public:class compare{public:bool operator() (pair<int,int> &lhs,pair<int,int> &rhs){return lhs.second>rhs.second;}};vector<int> topKFrequent(vector<int>& nums, int k) {map<int,int> mp;vector<int> result(k);for(auto i:nums){mp[i]++;}priority_queue<pair<int,int>,vector<pair<int,int>>,compare> prique;for(pair<int,int> p:mp){if(prique.size()<k){prique.push(p);}else{prique.push(p);prique.pop();}}for(int i=k-1;i>=0;i--){result[i]=prique.top().first;prique.pop();}return result;}
};
这篇关于2021-10-6 347. 前 K 个高频元素(优先队列)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!