思路

這道題目主要涉及到如下三塊內容：
1、要統計元素出現頻率
2、對頻率排序
3、找出前K個高頻元素

首先統計元素出現的頻率，這一類的問題可以使用map來進行統計。

然后是對頻率進行排序，這里我們可以使用一種 容器適配器就是「優先級隊列」

為什么不用快排呢， 使用快排要將map轉換為vector的結構，然后對整個數組進行排序， 而這種場景下，我們其實只需要維護k個有序的序列就可以了，所以使用優先級隊列是最優的。

此時要思考一下，是使用小頂堆呢，還是大頂堆？

有的同學一想，題目要求前 K 個高頻元素，那么果斷用大頂堆啊。

那么問題來了，定義一個大小為k的大頂堆，在每次移動更新大頂堆的時候，每次彈出都把最大的元素彈出去了，那么怎么保留下來前K個高頻元素呢。

「所以我們要用小頂堆，因為要統計最大前k個元素，只有小頂堆每次將最小的元素彈出，最后小頂堆里積累的才是前k個最大元素。」

尋找前k個最大元素流程如圖所示：（圖中的頻率只有三個，所以正好構成一個大小為3的小頂堆，如果頻率更多一些，則用這個小頂堆進行掃描）

// 時間復雜度：O(nlogk) // 空間復雜度：O(n) class Solution { public://自定義比較函數class mycompare{public:bool operator()(const pair<int,int>& lhs,const pair<int,int>& rhs){return lhs.second>rhs.second;//由小到大排列，小頂堆}};vector<int> topKFrequent(vector<int>& nums, int k) {vector<int> res(k);// 1、統計每個元素出現的頻率unordered_map<int,int> map;// map<nums[i],對應出現的次數>for(int ii=0;ii<nums.size();ii++){map[nums[ii]]++;}// 2、對頻率排序// 定義一個優先級隊列，維護小頂堆，大小為k//定義：priority_queue<Type, Container, Functional>//Type 就是數據類型，Container 就是容器類型（Container必須是用數組實現的容器，比如vector,deque等等，但不能用 list。STL里面默認用的是vector），Functional 就是比較的方式。priority_queue<pair<int,int>,vector<pair<int,int>>,mycompare> pri_que;//3、用固定大小為k的小頂堆，掃面所有頻率的數值 for(auto it=map.begin();it!=map.end();it++){pri_que.push(*it);if(pri_que.size()>k) pri_que.pop();// 如果堆的大小大于了K，則隊列彈出，保證堆的大小一直為k}// 4、找出前K個高頻元素，因為小頂堆先彈出的是最小的，所以倒敘來輸出到數組,正序輸出也可以for(int ii=k-1;ii>=0;ii--){res[ii]=pri_que.top().first;pri_que.pop();}return res;} };

總結

以上是生活随笔為你收集整理的前K个高频元素(top k)（TX）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。