力扣347——前 K 个高频元素
2024-09-01 00:59:43
这道题主要涉及的是对数据结构里哈希表、小顶堆的理解,优化时可以参考一些排序方法。
原题
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。
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。
原题url:https://leetcode-cn.com/problems/top-k-frequent-elements/
解题
正常思路
为了解决这道题,我们首先需要知道每个元素出现的次数。最方便的话,可以使用哈希表,因为这就是一个数字——出现次数
的映射关系。此处的时间复杂度为O(n)
其次,因为需要查找频率前 k 高的元素,所以我们肯定是需要排序的,时间复杂度为O(n log n)
的排序方法有许多,快速排序、堆排序等,我是用的堆排序,使用小顶堆
,这样在每次入堆的时候,检查一下堆的个数是否超过 k,如果超过,则移除堆顶的元素(也就是次数最少的元素)。
这样堆里剩余的元素也就是最终的结果了,接下来我们看看代码:
class Solution {
public List<Integer> topKFrequent(int[] nums, int k) {
// 构建hashMap,记录每个元素出现的个数
Map<Integer, Integer> countMap = new HashMap<>();
for (int num : nums) {
countMap.put(num, countMap.getOrDefault(num, 0) + 1);
}
// 利用PriorityQueue构建小顶堆
PriorityQueue<Integer> heap = new PriorityQueue<Integer>((n1, n2) -> countMap.get(n1) - countMap.get(n2));
Set<Integer> keySet = countMap.keySet();
for (int key : keySet) {
heap.add(key);
// 如果个数大于k,则移除次数最少的数
if (heap.size() > k) {
heap.poll();
}
}
List<Integer> result = new LinkedList<>();
Iterator<Integer> iterator = heap.iterator();
while (iterator.hasNext()) {
result.add(iterator.next());
}
return result;
}
}
提交OK。
桶排序优化
针对排序,我想到了一个优化,利用桶排序,其时间复杂度为O(n)
,主要是浪费空间,因为需要申请额外的数组,下标代表出现的次数,元素我用的是 LinkedList,这样可以存储多个。那么这个在进行输出时,只要从后往前进行遍历,当结果的数量达到 k 时,就可以停止了。
接下来我们看看代码 :
class Solution {
public List<Integer> topKFrequent(int[] nums, int k) {
// 构建hashMap,记录每个元素出现的个数
Map<Integer, Integer> countMap = new HashMap<>();
// 记录最多的次数
int maxCount = 0;
for (int num : nums) {
int count = countMap.getOrDefault(num, 0) + 1;
if (count > maxCount) {
maxCount = count;
}
countMap.put(num, count);
}
// 桶排序,构建数组,下标为重复的次数
LinkedList[] array = new LinkedList[maxCount + 1];
for (Map.Entry<Integer, Integer> entry : countMap.entrySet()) {
int key = entry.getKey();
int count = entry.getValue();
LinkedList<Integer> list = array[count];
if (list == null) {
list = new LinkedList<>();
array[count] = list;
}
list.add(key);
}
// 倒着遍历数组,直到找到K个元素
List<Integer> result = new LinkedList<>();
for (int i = array.length - 1; i >= 0 && result.size() < k; i--) {
List<Integer> list = array[i];
if (list == null) {
continue;
}
result.addAll(list);
}
return result;
}
}
提交OK。
总结
以上就是这道题目我的解答过程了,不知道大家是否理解了。这道题主要涉及的是对数据结构的理解,优化时可以参考一些特殊的排序方法。
有兴趣的话可以访问我的博客或者关注我的公众号,说不定会有意外的惊喜。
公众号:健程之道
最新文章
- jQuery2.0.3源码分析系列(28) 元素大小
- 4. Java Script 变量(untype)
- python3.5-day5_迭代器_生成器_装饰器_模块
- 【要什么自行车】ASP.NET MVC4笔记02:上传文件 uploadify 组件使用
- 35 网络相关函数(三)——live555源码阅读(四)网络
- [原创]java WEB学习笔记84:Hibernate学习之路-- -映射 一对一关系 ,基外键的方式实现
- 【原创】mac 上如何安装及切换输入法
- Java Web编程的主要组件技术——JSP
- bootstrap系列整理
- poj 1132
- unity NGUI点击消息不传入到场景中去
- Splay入门题目 [HNOI2002]营业额统计
- C/C++基础知识总结——类与对象
- (转)windows上virtualenv 安装及使用
- The MySQL server is running with the --skip-grant-tables option so it cannot execute this statement
- 开涛spring3(7.2) - 对JDBC的支持 之 7.2 JDBC模板类
- Linux 日常使用小记
- 项目设计day1
- VSCode and NoteBook for JavaScript | NodeJS
- PyCharm创建自定义代码段(JetBrains系列通用)
热门文章
- /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.15&#39; not found的解决办法
- 线程池三种队列使用,SynchronousQueue,LinkedBlockingQueue,ArrayBlockingQueue
- 大数据篇:YARN
- 如何确认 fastboot unlock 解锁成功,如何确认DM-verity 已关闭
- notepad++常用命令
- 小程序云开发使用where查询遇到的问题
- 【原】nginx配置文件
- 8个问题全面了解5G关键技术Massive MIMO
- Flatpak 1.5.2 即将发布
- android.view.WindowManager$BadTokenException 崩掉