zoukankan      html  css  js  c++  java
  • Top K Frequent Elements

    Top K Frequent Elements

    好久没刷题了,做了道之前做过的 medium 难度的题 Top K Frequent Elements

    Given a non-empty array of integers, return the k most frequent elements.

    Example 1:

    Input: nums = [1,1,1,2,2,3], k = 2
    Output: [1,2]
    Example 2:

    Input: nums = [1], k = 1
    Output: [1]
    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.

    思路

    分成两步来解决:

    1. 先用 Map 统计下每个数出现的次数, 剩下的就是一个 TopN 问题;
    2. 遍历 Map 中的键值对, 遍历过程中维护一个容量为K的小顶堆.

    小顶堆维护过程如下:

    1. 如果小顶堆中元素不足K个, 将当前元素添加到堆中;
    2. 如果小顶堆中有K个元素, 并且当前 key 的出现次数大于堆顶的 key 的出现次数, 就用当前 key 替换堆顶 key, 并维护小顶堆性质.

    代码

    这里用 kotlin 来实现:

    // Runtime 248ms Memory 42.5MB
    class Solution {
        fun topKFrequent(nums: IntArray, k: Int): List<Int> {
            val map = HashMap<Int, Int>()
    
            nums.forEach {
                map[it] = (map[it]?:0) + 1
            }
    
            if (k >= map.keys.size) {
                return map.keys.toList()
            }
    
            val result = ArrayList<Int>(k)
    
            map.forEach { (key, value) ->
                if (result.size < k) {
                    // 堆中 key 不足 k 个, 将当前 key 放入堆中
                    result.add(key)
                    // 维护小顶堆
                    var i = result.lastIndex
                    while (i > 0) {
                        val tmp = (i - 1) / 2
                        if (map[result[tmp]]!! <= value) {
                            break
                        } else {
                            result[i] = result[tmp]
                            result[tmp] = key
                            i = tmp
                        }
                    }
                } else {
                    if (map[result[0]]!! >= value) {
                        // 堆顶 key 的出现次数大于当前 key, 不替换
                        return@forEach
                    }
    
                    var i = 0
                    var minIndex = 0
                    val maxIndex = result.lastIndex
                    
                    // 用当前 key 替换堆顶 key, 并维护小顶堆性质
                    do {
                        result[i] = result[minIndex]
                        result[minIndex] = key
                        i = minIndex
                        var tmp = 2 * i + 1
                        if (tmp > maxIndex) {
                            break
                        }
                        if (map[result[tmp]]!! < map[result[minIndex]]!!) {
                            minIndex = tmp
                        }
                        tmp += 1
                        if (tmp <= maxIndex && map[result[tmp]]!! < map[result[minIndex]]!!) {
                            minIndex = tmp
                        }
                    } while (i != minIndex)
                }
            }
            return result
        }
    }
    
  • 相关阅读:
    2021.4.2 Python基础及介绍
    2021.4.1 团队组队
    冲击信号
    信号卷积(线性卷积)
    数字图像处理基本概念
    计算机视觉发展及主要研究方向
    SVM 之 SMO 算法
    FP Growth 算法
    Apriori 算法
    26 实战页式内存管理 下
  • 原文地址:https://www.cnblogs.com/FJH1994/p/11569552.html
Copyright © 2011-2022 走看看