力扣hot100：前K个高频元素

题目描述：

核心思想：

先利用哈希表统计各个元素的频率，再利用小顶堆堆顶元素即是最小元素的特性，维护一个前k个高频元素的数据集。

代码思路：

统计频率

首先，使用一个哈希表（HashMap）来统计数组中每个数字出现的次数。遍历数组，对于每个数字，如果它已经在哈希表中，就将其对应的计数加1；如果不在，就将其加入哈希表并初始化计数为1。这样可以快速统计出每个数字的出现频率。
维护最小堆

使用一个最小堆（优先队列）来维护当前出现频率最高的k个数字。最小堆的大小始终保持为k，并且堆顶元素是频率最小的数字。

遍历哈希表中的所有数字：
- 如果当前最小堆的大小小于k，直接将该数字加入堆中。
- 如果最小堆的大小已经等于k，并且当前数字的频率大于堆顶元素的频率，则移除堆顶元素，并将当前数字加入堆中。这样可以保证堆中始终存储的是当前频率最高的k个数字。
提取结果

将最小堆中的所有数字依次取出，存入一个列表中。由于最小堆是按照频率从小到大排序的，最终需要将列表中的数字反转，以得到频率从高到低的结果。最后，将列表转换为数组，返回结果。

代码：

java 复制代码

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        HashMap<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {
            if (map.containsKey(num)) {
                map.put(num, map.get(num) + 1);
            } else {
                map.put(num, 1);
            }
        }
        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(pq.peek()) < map.get(key)) {
                pq.remove();
                pq.add(key);
            }
        }
        List<Integer> list = new ArrayList<>();
        while (!pq.isEmpty()) {
            list.add(pq.remove());
        }
        int[] res=list.stream().mapToInt(Integer::intValue).toArray();
        return res;
    }
}