一、题目描述
给定一个单词列表**words** 和一个整数**k** ，返回前**k**个出现次数最多的单词。
返回的答案应该按单词出现频率由高到低排序。如果不同的单词有相同出现频率， 按字典顺序 排序。
示例1：
输入: words = ["i", "love", "leetcode", "i", "love", "coding"], k = 2
输出: ["i", "love"]
解析: "i" 和 "love" 为出现次数最多的两个单词，均为2次。
注意，按字母顺序 "i" 在 "love" 之前。示例2：
输入: ["the", "day", "is", "sunny", "the", "the", "the", "sunny", "is", "is"], k = 4
输出: ["the", "is", "sunny", "day"]
解析: "the", "is", "sunny" 和 "day" 是出现次数最多的四个单词，
出现次数依次为 4, 3, 2 和 1 次。二、题解
题目分析：
题目要求我们找到前k个出现次数最多的单词，因此我们首先要统计每个单词出现的次数 ，再根据每个单词出现的次数找到前k个出现次数最多的单词。
思路分析：
（1）统计每个单词出现的次数
如何统计每个单词出现的次数？
我们可以使用哈希表来统计单词出现的次数，遍历数组，若单词未出现过，则将其放入哈希表中，且次数为1；若单词已出现过，则将其次数+1
代码实现：
java
//统计单词出现次数
//创建哈希表
Map<String, Integer> map = new HashMap<>();
//遍历数组
for(String str: words){
//若单词未出现过，则将其放入哈希表中，并将次数置为1
if(map.get(str) == null){
map.put(str,1);
}else{
//若单词已在哈希表中，则将其次数+1
int val = map.get(str);
map.put(str,val+1);
}
}（2）找出前k个出现次数最多的单词
如何找出前k个出现次数最多的单词？
我们可以创建一个大小为k的小根堆 ，来找出前k个出现次数最多的单词。遍历哈希表，若堆中的单词个数小于k，则将其放入小根堆中，但当堆中的单词数等于k时，就要判断是否需要更新小根堆中的元素。
由于我们创建的是小根堆，因此堆顶元素是最小的的，我们只需判断，当前遍历到的单词的出现次数是否比堆顶单词的出现次数大，
若当前单词的出现次数大于堆顶单词的出现次数，则将堆顶元素弹出，并将当前元素放入小根堆中；
若当前单词的出现次数小于堆顶单词的出现次数，则继续遍历；
由于题目要求：当有不同的单词有相同出现频率，按照字典顺序排序， 因此在当前单词的出现次数等于堆顶单词的出现次数时，我们则需要根据单词的字母顺序来判断，若当前单词的字母顺序在堆顶单词之前，则将堆顶元素弹出，并将当前元素放入小根堆中；反之，则继续遍历。
堆中的单词个数始终为k个，在遍历完成后，堆中的元素即为前k个出现次数最多的单词
具体实现：
由于我们创建的是小根堆，从堆顶弹出的元素顺序是从小到大的，因此我们在将堆中的单词放入集合后，还需要将集合反转
然而，在上述情况中，我们只考虑了堆中元素大于k时，出现两个次数相同的单词，未考虑当堆中元素小于k时，出现两个次数相同的单词
若在堆中元素小于k时出现了两个次数相同的单词，我们则需要将单词字母顺序大的元素放在堆顶，即按照单词的字母顺序创建大根堆（字母顺序大的在上，字母顺序小的在下）
为什么要将单词字母顺序大的放在堆顶？
因为我们创建的是小根堆，在弹出堆顶元素进行比较时，应将字母顺序大的元素弹出，与当前元素进行比较，且在遍历完成后，弹出元素创建集合时，应先弹出字母顺序大的，后弹出字母顺序小的，这样，在反转集合后，才能得到正确的顺序
因此，我们在堆中元素小于k时，若两元素次数不相同，根据出现次数创建小根堆，若两元素次数相同，则根据单词的字母顺序创建大根堆
代码实现：
java
//找出前K个出现次数最多的单词
//创建小根堆
PriorityQueue<Map.Entry<String,Integer>> minHeap = new PriorityQueue<>(new Comparator<Map.Entry<String, Integer>>() {
@Override
public int compare(Map.Entry<String, Integer> o1, Map.Entry<String, Integer> o2) {
//按照出现次数创建小根堆
//若次数相同，则按照字典顺序创建大根堆
if(o1.getValue().compareTo(o2.getValue()) == 0) {
return o2.getKey().compareTo(o1.getKey());
}
return o1.getValue().compareTo(o2.getValue());
}
});
//遍历map，将前k个高频单词放入小根堆
for(Map.Entry<String, Integer> entry: map.entrySet()){
//若堆中元素小于k，将元素放入堆中
if(minHeap.size() < k){
minHeap.offer(entry);
}else {
//若堆中元素等于k，判断是否需要更新堆中元素
Map.Entry<String, Integer> top = minHeap.peek();
if(top.getValue().compareTo(entry.getValue()) < 0){
minHeap.poll();
minHeap.offer(entry);
}else if(top.getValue().compareTo(entry.getValue()) == 0){
if(top.getKey().compareTo(entry.getKey()) > 0){
minHeap.poll();
minHeap.offer(entry);
}
}
}
}
//创建集合
List<String> ret = new ArrayList<>();
//将堆中元素弹出，并将单词放入集合中
for (int i = 0; i < k; i++) {
Map.Entry<String, Integer> top = minHeap.poll();
ret.add(top.getKey());
}
//反转集合
Collections.reverse(ret);完整代码：
java
class Solution {
public List<String> topKFrequent(String[] words, int k) {
//统计单词出现次数
//创建哈希表
Map<String, Integer> map = new HashMap<>();
//遍历数组
for(String str: words){
//若单词未出现过，则将其放入哈希表中，并将次数置为1
if(map.get(str) == null){
map.put(str,1);
}else{
//若单词已在哈希表中，则将其次数+1
int val = map.get(str);
map.put(str,val+1);
}
}
//找出前K个出现次数最多的单词
//创建小根堆
PriorityQueue<Map.Entry<String,Integer>> minHeap = new PriorityQueue<>(new Comparator<Map.Entry<String, Integer>>() {
@Override
public int compare(Map.Entry<String, Integer> o1, Map.Entry<String, Integer> o2) {
//按照出现次数创建小根堆
//若次数相同，则按照字典顺序创建大根堆
if(o1.getValue().compareTo(o2.getValue()) == 0) {
return o2.getKey().compareTo(o1.getKey());
}
return o1.getValue().compareTo(o2.getValue());
}
});
//遍历map，将前k个高频单词放入小根堆
for(Map.Entry<String, Integer> entry: map.entrySet()){
//若堆中元素小于k，将元素放入堆中
if(minHeap.size() < k){
minHeap.offer(entry);
}else {
//若堆中元素等于k，判断是否需要更新堆中元素
Map.Entry<String, Integer> top = minHeap.peek();
if(top.getValue().compareTo(entry.getValue()) < 0){
minHeap.poll();
minHeap.offer(entry);
}else if(top.getValue().compareTo(entry.getValue()) == 0){
if(top.getKey().compareTo(entry.getKey()) > 0){
minHeap.poll();
minHeap.offer(entry);
}
}
}
}
//创建集合
List<String> ret = new ArrayList<>();
//将堆中元素弹出，并将单词放入集合中
for (int i = 0; i < k; i++) {
Map.Entry<String, Integer> top = minHeap.poll();
ret.add(top.getKey());
}
//反转集合
Collections.reverse(ret);
return ret;
}
}题目来自：