【leetcode】347. 前k个高频元素

文章目录

    • 题目
    • 题解
      • [1. 字典+排序](#1. 字典+排序)
      • [1. 字典+最小堆](#1. 字典+最小堆)

题目

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 = [1,1,1,2,2,3], k = 2

输出: [1,2]

示例 2:

输入: nums = [1], k = 1

输出: [1]

题解

1. 字典+排序

nlog(n)

python 复制代码
class Solution(object):
    def topKFrequent(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        dict_result = {}
        for num in nums:
            if num not in dict_result:
                dict_result[num] = 1
            else:
                dict_result[num] += 1

        sorted_list = sorted(dict_result.items(), key=lambda item: item[1], reverse=True)
        
        result = []
        for i in range(k):
            result.append(sorted_list[i][0])
            
        return result
        

1. 字典+最小堆

nlog(k)

python 复制代码
class Solution(object):
    def topKFrequent(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        # 字典:nlog(n)
        dict_result = {}
        for num in nums:
            if num not in dict_result:
                dict_result[num] = 1
            else:
                dict_result[num] += 1

        #对频率排序
        #定义一个小顶堆,大小为k
        pri_que = [] #小顶堆

        for key, freq in dict_result.items():
            # 最小堆
            heapq.heappush(pri_que, (freq, key))
            if len(pri_que) > k:
                heapq.heappop(pri_que)

        result = [0] * k
        for i in range(k-1, -1, -1):
            result[i] = heapq.heappop(pri_que)[1]
        return result
        
  • 统计频次:首先使用字典 dict_result 统计每个数字的频率。

  • 最小堆:通过 heapq 模块来实现最小堆,堆中存储的是 (频次, 数字) 元组。

  • 每次将一个 (freq, num) 元组插入堆中。如果堆的大小超过了 k,则移除堆顶元素(频率最小的元素)。这样堆中始终保存的是频率最高的 k 个元素。

  • 结果提取:从堆中提取出 k 个数字,并返回这些数字。

  • 时间复杂度:

    O(n log k):遍历 nums 中的 n 个元素,每次操作堆的时间复杂度为 O(log k),因此总时间复杂度为 O(n log k)。

heapq 是 Python 内置的一个模块,用于实现 堆队列算法(也称为优先队列)。该模块提供了一个基于列表的最小堆实现。最小堆是一个二叉堆,其中每个父节点的值都小于或等于其子节点的值,因此堆顶总是最小的元素。

主要功能: 最小堆:heapq 默认实现的是最小堆(即堆顶是最小的元素)。可以用它来管理优先级队列等问题,自动保持元素的排序。

  • 堆排序:通过使用 heapq,可以高效地获取最小或最大元素。

  • 支持堆操作:heapq 提供了用于堆操作的几种函数,最常用的包括:

    • heappush(heap, item):将元素 item 添加到堆中,保持堆的性质。

    • heappop(heap):弹出堆顶元素(即最小元素),并保持堆的性质。

    • heapify(list):将一个列表转化为堆。

    • heappushpop(heap, item):将元素 item 添加到堆中并弹出堆顶元素。

    • heapreplace(heap, item):弹出堆顶元素,并将 item 添加到堆中。

最小堆的性质: 每个父节点的值都小于或等于其子节点的值,这使得堆顶元素始终是最小的元素。

在 heapq 模块中,堆是用列表实现的,列表的第一个元素始终是堆顶元素。

相关推荐
大千AI助手2 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配
YuTaoShao3 小时前
【LeetCode 热题 100】48. 旋转图像——转置+水平翻转
java·算法·leetcode·职场和发展
生态遥感监测笔记3 小时前
GEE利用已有土地利用数据选取样本点并进行分类
人工智能·算法·机器学习·分类·数据挖掘
Tony沈哲4 小时前
macOS 上为 Compose Desktop 构建跨架构图像处理 dylib:OpenCV + libraw + libheif 实践指南
opencv·算法
刘海东刘海东4 小时前
结构型智能科技的关键可行性——信息型智能向结构型智能的转变(修改提纲)
人工智能·算法·机器学习
pumpkin845145 小时前
Rust 调用 C 函数的 FFI
c语言·算法·rust
挺菜的5 小时前
【算法刷题记录(简单题)003】统计大写字母个数(java代码实现)
java·数据结构·算法
mit6.8245 小时前
7.6 优先队列| dijkstra | hash | rust
算法
2401_858286115 小时前
125.【C语言】数据结构之归并排序递归解法
c语言·开发语言·数据结构·算法·排序算法·归并排序