前 K 个高频元素

题目

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]

提示：

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。题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的。你可以按任意顺序返回答案。

解题思路

哈希表-优先队列

这道常考题的经典做法，必须掌握！

• 先用 哈希表 来建立数字和其出现次数的映射，遍历一遍数组统计元素的频率
• 维护一个元素数目为 K 的优先队列

这里要前K个高频元素，也就是按从大到小排序，所以使用最小堆。（同理，若要从小到大排序，则使用最大堆）

1. 每次都将新的元素与堆顶元素（堆中频率最小的元素）进行比较；
2. 如果新的元素的频率比堆顶端的元素大，则弹出堆顶端的元素，将新的元素添加进堆中；
3. 所以最终，堆中的 k 个元素即为前 k 个高频元素。

代码

方法1：

//go
// go中没有自带的优先队列，需要自己实现小根堆
func topKFrequent(nums []int, k int) []int {
 if k == 0 || len(nums) == 0 {
  return make([]int, 0)
 }
 // 1. 初始化map
 m := make(map[int]int)
 for _, v := range nums {
  m[v] = m[v] + 1
 }

 // 2. 放到小根堆里面
 h := &NodeHeap{}
 topK := min(k, len(m))
 size := 0
 for k, v := range m {
  if size < topK {
   heap.Push(h, &Node{
    val:   k,
    times: v,
   })
   size++
  } else {
   if v > (*h)[0].times {
    heap.Pop(h)
    heap.Push(h, &Node{
     val:   k,
     times: v,
    })
   }
  }

 }

 // 3.收集答案
 res := make([]int, 0, topK)
 for i := 0; i < topK; i++ {
  res = append(res, heap.Pop(h).(*Node).val)
 }
 return res
}

type Node struct {
 val   int
 times int
}

type NodeHeap []*Node

func (h NodeHeap) Len() int { return len(h) }

// 小根堆
func (h NodeHeap) Less(i, j int) bool { return h[i].times < h[j].times }

func (h NodeHeap) Swap(i, j int) { h[i], h[j] = h[j], h[i] }

func (h *NodeHeap) Push(x interface{}) {
 *h = append(*h, x.(*Node))
}

func (h *NodeHeap) Pop() interface{} {
 old := *h
 n := len(old)
 x := old[n-1]
 *h = old[0 : n-1]
 return x
}

func min(a, b int) int {
 if a < b {
  return a
 }
 return b
}

方法二：

func topKFrequency(nums []int, k int) []int{
	if k <= 0 || len(nums) < k {
		return make([]int, 0)
	}

	mapCount := make(map[int]int)
	var sK []int
	for _, v := range nums {
		if _, ok := mapCount[v]; ok {
			mapCount[v] += 1
		} else {
			mapCount[v] = 1
			sK = append(sK, v)
		}
	}

	sort.SliceStable(sK, func(i, j int) bool {

		return mapCount[sK[i]] > mapCount[sK[j]]
	})

	return sK[:k]
}

　　地址：https://mp.weixin.qq.com/s/OuvPhV-UOWYvrtX-O2Xiig