【排序】力扣347：前K个高频元素（未完）

本文主要是介绍【排序】力扣347：前K个高频元素（未完），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

示例：

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

进阶：你所设计算法的时间复杂度 必须 优于 O(nlogn) ，其中 n 是数组大小。

3种方法：部分快排思想；直接排序；优先队列

方法1：最小堆

1. 借助【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
2. 维护一个元素数目为 k 的最小堆
3. 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
4. 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
5. 最终，堆中的 k 个元素即为前 k 个高频元素

作者：cxywushixiong
链接：https://leetcode-cn.com/problems/top-k-frequent-elements/solution/leetcode-di-347-hao-wen-ti-qian-k-ge-gao-pin-yuan-/

时间复杂度：O(nlogk)，n 表示数组的长度。首先，遍历一遍数组统计元素的频率，这一系列操作的时间复杂度是O(n)；接着，遍历用于存储元素频率的 map，如果元素的频率大于最小堆中顶部的元素，则将顶部的元素删除并将该元素加入堆中，这里维护堆的数目是 k，所以这一系列操作的时间复杂度是 O(nlogk) 的；因此，总的时间复杂度是 O(nlog⁡k)。
空间复杂度：O(n)，最坏情况下（每个元素都不同），map 需要存储 n 个键值对，优先队列需要存储 k 个元素，因此，空间复杂度是 O(n)。

方法2：桶排序
设置若干个桶，每个桶存储出现频率相同的数。桶的下标表示数出现的频率，即第 i 个桶中存储的数出现的频率为 i。
把数都放到桶之后，从后向前遍历桶，最先得到的 k 个数就是出现频率最多的的 k 个数。

首先依旧使用哈希表统计频率，统计完成后，创建一个数组，将频率作为数组下标，对于出现频率不同的数字集合，存入对应的数组下标即可。

时间复杂度：O(n)，n 表示数组的长度。首先，遍历一遍数组统计元素的频率，这一系列操作的时间复杂度是 O(n)；桶的数量为 n+1，所以桶排序的时间复杂度为 O(n)；因此，总的时间复杂度是 O(n)。
空间复杂度：很明显为 O(n)。

方法3：python的Counter()
统计每个数的频率，输出最大的几个，这完全迎合了Python中的Counter类，调用其的几个方法即可。

Counter 是一个在collections包里的类，正如其名，是一个用于计数的工具。
我们可以用Counter(nums)这样的构造函数构造一个Counter类，其中nums是一个列表。
构造好的Counter实例可以看作一个字典，键是nums的每一项，值是它的出现次数。
如果上面的叙述让你感到很混乱的话，我不妨举个例子。
如果一个列表a = [1,1,3,4,3]，你想要统计每项的出现次数，那么你使用b = Counter(a)，那么这时候b就像一个这样的字典{1:2,3:2,4:1}，表示数字1出现了2次，数字3出现了2次，数字4出现了1次。
可是题目里要我们输出的是最多的K项，这时候可以应用Counter的一个函数，most_common(k)，这个函数就是返回最多出现的K项
但是返回的形式是一个元祖列表，类似[(1,2),(3,2),(4,1)]的形式，我们只需要键也就是第一项，所以要使用列表生成式处理一下即可。

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        from collections import Counter
        return [i[0] for i in Counter(nums).most_common(k)]

作者：qsctech-sange
链接：https://leetcode-cn.com/problems/top-k-frequent-elements/solution/yi-xing-python3dai-ni-zou-jin-counterlei-by-jimmy0/

这篇关于【排序】力扣347：前K个高频元素（未完）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！