【LeetCode题解】347_前K个高频元素（Top-K-Frequent-Elements）
目录
更多 LeetCode 题解笔记可以访问我的 github。
描述
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。
解法一：排序算法（不满足时间复杂度要求）
拿到题目的时候，如果没有详细看说明的话，一般都会首先想到使用排序算法对元素按照频率由高到低进行排序，然后取前 \(k\) 个元素。但是这样做的时间复杂度是 \(O(n\log{n})\) 的， 不满足题目要求。虽然不满足题目要求，但是还是将求解程序写一下。
备注：在 LeetCode 中的运行时间也不是特别慢。
Java 实现
import java.util.Map;
import java.util.HashMap;
import java.util.List;
import java.util.ArrayList;
class Solution {
public List<Integer> topKFrequent(int[] nums, int k) {
// 统计元素的频率
Map<Integer, Integer> freqMap = new HashMap<>();
for (int num : nums) {
freqMap.put(num, freqMap.getOrDefault(num, 0) + 1);
}
// 对元素按照频率进行降序排序
List<Map.Entry<Integer, Integer>> list = new ArrayList<>(freqMap.entrySet());
Collections.sort(list, new Comparator<Map.Entry<Integer, Integer>>() {
@Override
public int compare(Map.Entry<Integer, Integer> o1, Map.Entry<Integer, Integer> o2) {
return o2.getValue() - o1.getValue();
}
});
// 取出前k个元素
int count = 0;
List<Integer> ret = new ArrayList<>();
for (Map.Entry<Integer, Integer> entry : list) {
ret.add(entry.getKey());
++count;
if (count >= k) {
break;
}
}
return ret;
}
}
// Runtime: 18 ms
// Your runtime beats 62.23 % of java submissions.Python 实现
class Solution:
def topKFrequent(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
# 统计元素的频率
freq_dict = dict()
for num in nums:
freq_dict[num] = freq_dict.get(num, 0) + 1
# 按照频率进行排序
freq_dict_sorted = sorted(freq_dict.items(), key=lambda x: x[1], reverse=True)
# 取前k个元素返回
ret = list()
for i in range(k):
ret.append(freq_dict_sorted[i][0])
return ret
# Runtime: 52 ms
# Your runtime beats 71.83 % of python3 submissions.复杂度分析
- 时间复杂度：\(O(n\log{n})\)，其中 \(n\) 表示数组的长度。
- 空间复杂度：\(O(n)\)，最极端的情况下（每个元素都不同），用于存储元素及其频率的 Map 需要存储 \(n\) 个键值对
解法二：最小堆
思路
进一步，为了满足时间复杂度要求，需要对解法一的排序过程进行改进。因为最终需要返回前 \(k\) 个频率最大的元素，可以想到借助堆这种数据结构。通过维护一个元素数目为 \(k\) 的最小堆，每次都将新的元素与堆顶端的元素（堆中频率最小的元素）进行比较，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。最终，堆中的 \(k\) 个元素即为前 \(k\) 个高频元素。
Java 实现
class Solution {
public List<Integer> topKFrequent(int[] nums, int k) {
// 统计元素的频率
Map<Integer, Integer> map = new HashMap<>(16);
for (int num : nums) {
map.put(num, map.getOrDefault(num, 0) + 1);
}
// 遍历map，用最小堆保存频率最大的k个元素
PriorityQueue<Integer> pq = new PriorityQueue<>(new Comparator<Integer>() {
@Override
public int compare(Integer a, Integer b) {
return map.get(a) - map.get(b);
}
});
// PriorityQueue<Integer> pq = new PriorityQueue<>(
// (a, b) -> map.get(a) - map.get(b)
// );
for (Integer key : map.keySet()) {
if (pq.size() < k) {
pq.add(key);
} else if (map.get(key) > map.get(pq.peek())) {
pq.remove();
pq.add(key);
}
}
// 取出最小堆中的元素
List<Integer> ret = new ArrayList<>();
while (!pq.isEmpty()) {
ret.add(pq.remove());
}
return ret;
}
}Python 实现
class Solution:
def topKFrequent(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
# 统计元素的频率
freq_dict = dict()
for num in nums:
freq_dict[num] = freq_dict.get(num, 0) + 1
# 维护一个大小为k的最小堆，使得堆中的元素即为前k个高频元素
pq = list()
for key, value in freq_dict.items():
if len(pq) < k:
heapq.heappush(pq, (value, key))
elif value > pq[0][0]:
heapq.heapreplace(pq, (value, key))
# 取出堆中的元素
ret = list()
while pq:
ret.append(heapq.heappop(pq)[1])
return ret复杂度分析
- 时间复杂度：\(O(n\log{k})\)，其中 \(n\) 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 \(O(n)\) 的；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，这一系列操作的时间复杂度是 \(O(n\log{k})\) 的；最后，弹出堆中的元素所需的时间复杂度是 \(O(k\log{k})\) 的。因此，总的时间复杂度是 \(O(n\log{k})\) 的。
- 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 \(O(n)\) 的。
解法三：桶排序（bucket sort）
思路
最后，为了进一步优化时间复杂度，可以采用桶排序（bucket sort），即用空间复杂度换取时间复杂度。
第一步和解法二相同，也是统计出数组中元素的频次。接着，将数组中的元素按照出现频次进行分组，即出现频次为 \(i\) 的元素存放在第 \(i\) 个桶。最后，从桶中逆序取出前 \(k\) 个元素。
Java 实现
class Solution {
public List<Integer> topKFrequent(int[] nums, int k) {
// 统计元素的频次
Map<Integer, Integer> int2FreqMap = new HashMap<>(16);
for (int num : nums) {
int2FreqMap.put(num, int2FreqMap.getOrDefault(num, 0) + 1);
}
// 桶排序
List<Integer>[] bucket = new List[nums.length + 1];
for (Integer key : int2FreqMap.keySet()) {
int freq = int2FreqMap.get(key);
if (bucket[freq] == null) {
bucket[freq] = new ArrayList<>();
}
bucket[freq].add(key);
}
// 逆序（频次由高到低）取出元素
List<Integer> ret = new ArrayList<>();
for (int i = nums.length; i >= 0 && ret.size() < k; --i) {
if (bucket[i] != null) {
ret.addAll(bucket[i]);
}
}
return ret;
}
}Python 实现
class Solution:
def topKFrequent(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
# 统计元素的频率
freq_dict = dict()
for num in nums:
freq_dict[num] = freq_dict.get(num, 0) + 1
# 桶排序
bucket = [[] for _ in range(len(nums) + 1)]
for key, value in freq_dict.items():
bucket[value].append(key)
# 逆序取出前k个元素
ret = list()
for i in range(len(nums), -1, -1):
if bucket[i]:
ret.extend(bucket[i])
if len(ret) >= k:
break
return ret[:k]复杂度分析
- 时间复杂度：\(O(n)\)，其中 \(n\) 表示数组的长度。
- 空间复杂度：\(O(n)\)
版权声明：本文为xugenpeng原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。