标签：queue num int 复杂度 力扣 347 hashtable new 高频

• 题目
• 思路1（哈希表与排序）
  • 代码
  • 复杂度分析
• 思路2（建堆）
  • 代码
  • 复杂度分析

题目

347. 前 K 个高频元素

思路1（哈希表与排序）

• 先用哈希表记录所有的值出现的次数
• 然后将按照出现的次数进行从高到低排序
• 最后取前 k 个就是答案了

代码

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        HashMap<Integer, Integer> hashtable = new HashMap<>();

        // 统计每个次数出现的次数
        for (int num : nums) {
            hashtable.put(num, hashtable.getOrDefault(num, 0) + 1);
        }

        // 排序
        List<Map.Entry<Integer, Integer>> list = new ArrayList<>(hashtable.entrySet());
        list.sort(new Comparator<Map.Entry<Integer, Integer>>() {
            @Override
            public int compare(Map.Entry<Integer, Integer> o1, Map.Entry<Integer, Integer> o2) {
                return o2.getValue().compareTo(o1.getValue());
            }
        });

        // 获取前k高的结果
        int[] res = new int[k];
        for (int i = 0; i < k; i++) {
            res[i] = list.get(i).getKey();
        }

        return res;
    }
}

复杂度分析

• 时间复杂度：\(O(NlogN)\)，其中 N 为数组长度，遍历一遍花的时间是N，但是由于排序的时间复杂度是NlogN，所以总的时间复杂度为NlogN
• 空间复杂度：\(O(N)\)，其中 N 为数组长度

思路2（建堆）

• 也是先用哈希表统计出现的次数
• 然后利用小顶堆获取前k高的元素，堆操作的时间复杂度为logk，所以总的就是Nlogk

代码

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        // 用哈希表存储出现次数
        Map<Integer, Integer> hashtable = new HashMap<Integer, Integer>();
        for (int num : nums) {
            hashtable.put(num, hashtable.getOrDefault(num, 0) + 1);
        }

        // 使用优先队列
        PriorityQueue<int[]> queue = new PriorityQueue<int[]>(new Comparator<int[]>() {
            @Override
            public int compare(int[] o1, int[] o2) {
                return o1[1] - o2[1];
            }
        });

        // 小顶堆，容量只为k，存储前n大的元素
        for (Map.Entry<Integer, Integer> entry : hashtable.entrySet()) {
            int element = entry.getKey();
            int count = entry.getValue();
            if (queue.size() == k) {
                // 保证队列存储的前k个元素出现频率都是最多的
                if (queue.peek()[1] < count) {
                    queue.poll();
                    queue.offer(new int[]{element, count});
                }
            } else {
                queue.offer(new int[]{element, count});
            }
        }

        // 将优先队列元素出队转换为结果
        int[] res = new int[k];
        for (int i = 0; i < k; i++) {
            res[i] = queue.poll()[0];
        }
        return res;
    }
}

复杂度分析

• 时间复杂度：\(O(Nlogk)\)，其中 N 为数组长度，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
• 空间复杂度：\(O(N)\)，其中 N 为数组长度

标签：queue,num,int,复杂度,力扣,347,hashtable,new,高频
来源： https://www.cnblogs.com/linzedian/p/14028580.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。