阅读量:7
2024 7/14
1、题目描述
2、算法分析
我的初步想法就是:创建一个哈希映射表,将键值对存储进去,那么我们怎么将出现频率前k高的元素给取出来呢?这就有点犯难了,那也只能看看题解啦!题解说利用堆排序,就可以将哈希表里面的进行排序,之后直接取出前k个值即可。
思路:
- 统计频率:
使用哈希表(HashMap
)来统计每个数字在输入数组中出现的频率。这是因为哈希表提供了快速的键值对查找、插入和更新操作,非常适合用于计数任务。 - 利用优先队列(最大堆):
创建一个优先队列(PriorityQueue
),并通过自定义比较器将其配置为最大堆。最大堆是一种特殊的完全二叉树,其中每个父节点的值都大于或等于其子节点的值。在Java中,PriorityQueue
默认是小顶堆,但可以通过提供自定义比较器来实现大顶堆。将哈希表中每个条目(即数字及其频率)作为Map.Entry
对象添加到优先队列中。由于队列是按照频率降序排列的,因此频率最高的元素将始终位于队列的顶部。使用Lambda表达式可以实现大根堆排序:(a, b) -> b.getValue() - a.getValue())
- 维护前k个高频元素:
由于只需要找到前k个高频元素,因此可以限制优先队列的大小为k。当尝试添加一个新元素到队列中,并且队列的大小已经达到k时,队列会自动移除当前频率最低的元素(即队列的底部元素),以保持队列中只有频率最高的k个元素。 - 提取结果:
最后,遍历优先队列(实际上是从队列中依次移除元素,因为poll()方法会移除并返回队列的头部元素),将前k个高频元素的键(即数字)存储在结果数组中并返回。
3、代码
public int[] topKFrequent(int[] nums, int k) { // 创建一个HashMap来统计每个数字出现的频率 Map<Integer, Integer> map = new HashMap<Integer, Integer>(); // 遍历输入的整数数组nums for(int num : nums){ // 使用getOrDefault方法更新每个数字的频率,如果不存在则默认为0 map.put(num, map.getOrDefault(num, 0) + 1); } // 创建一个PriorityQueue(优先队列,这里用作最大堆),按照Map.Entry的value(即频率)降序排列 PriorityQueue<Map.Entry<Integer, Integer>> queue = new PriorityQueue<>( // 使用lambda表达式定义比较器,确保队列按照频率降序排列 (a, b) -> b.getValue() - a.getValue()); // 将HashMap中的所有条目(即数字及其频率)添加到优先队列中 for(Map.Entry<Integer, Integer>entry : map.entrySet()){ queue.offer(entry); } // 创建一个大小为k的整数数组来存储结果 int[] res = new int[k]; // 从优先队列中依次取出前k个频率最高的数字(即堆顶元素) for(int i = 0; i < k; i++){ // poll方法会移除并返回队列的头部元素(这里是最大元素) res[i] = queue.poll().getKey(); } // 返回包含前k个最高频率数字的结果数组 return res; }
4、示例演示
初始数组为[1,1,1,2,2,3]
初始化HashMap并统计频率。
初始化最大堆优先队列,并将HashMap中的条目添加到队列中。
从队列中依次移除并返回前k个元素(在这个例子中是前两个元素),将它们的键存储在结果数组中。
返回结果数组[1, 2]。
5、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)。
okok,那就先这样吧,我的外卖到啦,吃饭去咯!