力扣347——前 K 个高频元素
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
力扣347——前 K 个高频元素的更多相关文章
- 力扣 - 347. 前 K 个高频元素
目录 题目 思路1(哈希表与排序) 代码 复杂度分析 思路2(建堆) 代码 复杂度分析 题目 347. 前 K 个高频元素 思路1(哈希表与排序) 先用哈希表记录所有的值出现的次数 然后将按照出现的次 ...
- 代码随想录第十三天 | 150. 逆波兰表达式求值、239. 滑动窗口最大值、347.前 K 个高频元素
第一题150. 逆波兰表达式求值 根据 逆波兰表示法,求表达式的值. 有效的算符包括 +.-.*./ .每个运算对象可以是整数,也可以是另一个逆波兰表达式. 注意 两个整数之间的除法只保留整数部分. ...
- Java实现 LeetCode 347 前 K 个高频元素
347. 前 K 个高频元素 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 ...
- [LeetCode]347. 前 K 个高频元素(堆)
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 ...
- leetcode 347. 前 K 个高频元素
问题描述 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 ...
- Leetcode 347.前K个高频元素 By Python
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], ...
- 347. 前K个高频元素
题目描述 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 = ...
- leetcode.排序.347前k个高频元素-Java
1. 具体题目 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 ...
- [LeetCode] 347. 前K个高频元素
python 版方法1:链表 class Solution(object): def topKFrequent(self, nums, k): """ :type num ...
随机推荐
- Nmap工具用法详解
Nmap Network Mapper 是一款开放源代码的网络探测和安全审核工具 1.介绍
- systomctl与service的区别主要是版本区别
redhat和centos在7及以后的版本,用systemctl命令 redhat和centos在6及6以前的版本,用service命令. 两者的区别,如下. 举例 这里的.service可以不写,如 ...
- html 中js 如何给字符串加换行符
var str = 你好'+"\n"+ '世界'; 这种写法在html中是会被识别为"你好\n世界" 那么如何保证其这么写会被识别,只需要在该div的样式中加入 ...
- 说明与比较:new Vue() 和 export default {}
在生成.导出.导入.使用 Vue 组件的时候,像我这种新手就会常常被位于不同文件的 new Vue() 和 export default{}.它们含义到底是什么,又有什么异同呢? 首先,Vue 是什么 ...
- mac 重启php-fpm
查看php-fpm端口是否在被php-fpm使用 一般修改 php.ini 文件后经常需要重启php-fpm sudo killall php-fpm // 关闭 再输入 sudo lsof -i:9 ...
- zigbee学习基础
应用场合:功耗(休眠)以及自组网(动态路由,梯度法寻径)是其特点.距离短.功耗低且传输速率不高的各种电子设备之间进行有周期性数据.间歇性数据和低反应时间数据传输的应用(智能家居/仓储中转/伞兵落地协同 ...
- iOS 开发之 FMDB 源码分析
概念: FMDB 是用于数据存储的框架,它是 iOS 平台下对 SQLite 数据库的封装.FMDB 是面向对象的,它以 OC 的方式封装了 SQLite 的 C 语言 API,使用起来更加方便. C ...
- linux/centos之配置tomcat
一:下载tomcat压缩包 在http://archive.apache.org/dist/tomcat/中下载合适版本的tomcat,也可以在官网上下载,只是一般只有最新版本,选择二进制的后缀为ta ...
- Python爬虫解析网页的4种方式 值得收藏
用Python写爬虫工具在现在是一种司空见惯的事情,每个人都希望能够写一段程序去互联网上扒一点资料下来,用于数据分析或者干点别的事情. 我们知道,爬虫的原理无非是把目标网址的内容下载下来存储到内存 ...
- vue学习笔记:vue的认识与特点与获取
Vue了解 Vue:读作 view Vue是一个渐进式框架 与其他重量级框架不同的是,Vue 采用自底向上增量开发的设计. Vue 的核心库只关注视图层,并且非常容易学习,非常容易与其它库或已有项目整 ...