【LeetCode题解】347_前K个高频元素(Top-K-Frequent-Elements)
更多 LeetCode 题解笔记可以访问我的 github。
文章目录
- 描述
- 解法一:排序算法(不满足时间复杂度要求)
- Java 实现
- Python 实现
- 复杂度分析
- 解法二:最小堆
- 思路
- Java 实现
- Python 实现
- 复杂度分析
- 解法三:桶排序(bucket sort)
- 思路
- Java 实现
- Python 实现
- 复杂度分析
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 k k 个元素。但是这样做的时间复杂度是 O ( n log n ) O(n\log{n}) O(nlogn) 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>>() {@Overridepublic 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 ) O(n\log{n}) O(nlogn),其中 n n n 表示数组的长度。
- 空间复杂度: O ( n ) O(n) 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 n 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 k 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 k 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 k k 个元素即为前 k k 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>() {@Overridepublic 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 ) O(n\log{k}) O(nlogk),其中 n 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 ) O(n) 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 ) O(n\log{k}) O(nlogk) 的;最后,弹出堆中的元素所需的时间复杂度是 O ( k log k ) O(k\log{k}) O(klogk) 的。因此,总的时间复杂度是 O ( n log k ) O(n\log{k}) O(nlogk) 的。
- 空间复杂度: O ( n ) O(n) O(n),最坏情况下(每个元素都不同),map 需要存储 n n n 个键值对,优先队列需要存储 k k k 个元素,因此,空间复杂度是 O ( n ) O(n) 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 i i 的元素存放在第 i i i 个桶。最后,从桶中逆序取出前 k k 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:breakreturn ret[:k]
复杂度分析
- 时间复杂度: O ( n ) O(n) O(n),其中 n n n 表示数组的长度。
- 空间复杂度: O ( n ) O(n) O(n)
【LeetCode题解】347_前K个高频元素(Top-K-Frequent-Elements)相关推荐
- 前K个高频元素(top k)(TX)
思路 这道题目主要涉及到如下三块内容: 1.要统计元素出现频率 2.对频率排序 3.找出前K个高频元素 首先统计元素出现的频率,这一类的问题可以使用map来进行统计. 然后是对频率进行排序,这里我们可 ...
- Leetcode题347、前K个高频元素(Python题解)Amazon面试题
问题: 题目来源:力扣(LeetCode) leetcode347.前K个高频元素 难度:中等 分析: 本题解提供四种方法,分别是python的Counter技巧.堆.桶排序.快排. 对于python ...
- 模拟卷Leetcode【普通】347. 前 K 个高频元素
347. 前 K 个高频元素 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 1: 输入: nums = [1,1,1,2,2 ...
- 【LeetCode】【HOT】347. 前 K 个高频元素(哈希表+优先队列)
[LeetCode][HOT]347. 前 K 个高频元素 文章目录 [LeetCode][HOT]347. 前 K 个高频元素 package hot;import java.util.Arrays ...
- LeetCode——347. 前 K 个高频元素【最小堆实现】
LeetCode--347. 前 K 个高频元素[最小堆实现] 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1: 输入: n ...
- LeetCode 347. 前 K 个高频元素(C++)*
该题在不考虑时间复杂度的要求下,可以使用哈希表来存储元素的次数,或者使用排序算法:为了提高算法的效率,考虑使用优先队列来实现大根堆. 1.题目如下: 给你一个整数数组 nums 和一个整数 k ,请你 ...
- Leetcode 347. 前 K 个高频元素
Leetcode 347. 前 K 个高频元素 1.问题分析 2.问题解决 3.总结 1.问题分析 题目链接:https://leetcode-cn.com/problems/top-k-freque ...
- leetcode题解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:前 K 个高频元素、删除字符串中的所有相邻重复项、有多少小于当前数字的数字、有效的山脉数组、独一无二的出现次数(JavaScript)
文章目录 347. 前 K 个高频元素 思路 1047. 删除字符串中的所有相邻重复项 思路 1365. 有多少小于当前数字的数字 思路 优化 继续优化 完整代码 941. 有效的山脉数组 思路 12 ...
最新文章
- 【Linux】【Basis】文件系统
- 地球那么大的开放世界游戏怎么做?腾讯云高级架构师为开发者设计了一套方案
- UML大战需求分析阅读笔记——01
- 消防信号总线原理_AFPM100/B消防设备电源监控系统在百色市人民医院消防设备电源监控系统的应用-安科瑞 华梅超...
- 【网络安全工程师面试合集】安全角度谈UDP、TCP和DHCP协议
- 三点定位法原理及实现——蓝牙定位
- 留言送书文末 | 20年磨一剑!南京大学周志华教授团队重磅新作出版
- Web 动画帧率(FPS)计算
- 小米air2se耳机只有一边有声音怎么办_盘点2020半入耳蓝牙耳机排名
- vscode如何同时运行多个vue项目
- SQL的多条件查询语句
- 基于java的高校实验室排课系统
- 滴滴为什么选择与章鱼哥APP合作?
- pythone是什么_python是什么
- 在Java中什么是IoC和DI?DI是如何实现的?
- 无人值守实现电脑定时自动开关机、…
- 22.仿传智播客导航栏案例(精灵图案例)
- WVS13破解与安装
- Android 和 iOS 孰优孰劣:真实应用开发过程告诉你答案
- python数据类型详解及类型转换函数