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。
Given a non-empty array of integers, return the K most frequent elements.
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]
说明：
- 你可以假设给定的 k 总是合理的，且 1 ≤ k ≤ 数组中不相同的元素的个数。
- 你的算法的时间复杂度必须优于 O(n log n) , n 是数组的大小。
Note:
- You may assume k is always valid, 1 ≤ k ≤ number of unique elements.
- Your algorithm’s time complexity must be better than O(n log n), where n is the array’s size.
这道题大致解题步骤是: 频率统计 --> 按频率排序 --> 返回频率最高的前 K 个元素
注意点:
- 题目要求时间复杂度优于 O(n log n)
首先频率统计最优雅的方法应该是借助哈希映射, key 为元素, value 为频率. 其时间复杂度为 O(n)
重点是返回前 K 个频率最高的元素, 所以另一种更简单的方法是直接借助 堆(优先队列) 这种数据结构
维护一个 大小为 K 的堆来动态存储前 K 个频率最高的元素, 其时间复杂度为 O(n)
代码:Java:
class Solution {
public List topKFrequent(int[] nums, int k) {
// 建立哈希映射
HashMap count = new HashMap();
// 频率统计
for (int n : nums) count.put(n, count.getOrDefault(n, 0) + 1);
// 建立优先队列, 借助 Lambda 表达式
PriorityQueue heap = new PriorityQueue((a, b) -> count.get(a) - count.get(b));
// 也可以借助 compare 比较函数
// PriorityQueue heap = new PriorityQueue<>(new Comparator() {
// @Override
// public int compare(Integer a, Integer b) {
// return map.get(a) - map.get(b);
// }
// });
// 维护一个大小为 k 的已排序的优先队列
for (int n : count.keySet()) {
heap.add(n);
if (heap.size() > k)
heap.poll();
}
// 返回结果
List top_k = new linkedList();
while (!heap.isEmpty())
top_k.add(heap.poll());
return top_k;
}
}
Python:
Python 基础库里的 heapq 堆数据结构, 有两个函数:
- nlargest
- nsmallest
例如
heapq.nsmallest(n, nums)
表示取迭代器 nums 前 n 个最大元素, 该函数还能接受一个 key 关键字,以应对复杂的数据结构
结合 collections.Counter() 频率统计函数, 两行代码即可解决
class Solution:
def topKFrequent(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
count = collections.Counter(nums)
return heapq.nlargest(k, count.keys(), key=count.get)
注意体会关键字参数的作用: key=count.get
