leecode347_出现频率前k高的元素_Map+PriorityQueue

347.题目描述

算法思想一

要想实现输出出现次数最多的前k个数据，那么
1.统计数组中每个元素出现的次数
————通过Map<非重复数据，出现频率>可以很好的实现
2.根据统计次数（频率\value值）进行排序
————先转化为Map.Entry的list，使用Collections.sort()降序排序
3.排序后的list获取前k个Map.Entry（list存map）的Key值
————list.get(i).getKey()

缺点：其性能受都排序算法的影响 nlog（n）

public List<Integer> topKFrequent(int[] nums, int k) {
    List<Integer> list = new ArrayList<Integer>();
    Map<Integer,Integer> map = new HashMap<Integer,Integer>();
    if (nums.length==0) return list;
    for(int num:nums){//遍历数组，获取每个元素出现次数
        if(map.containsKey(num))
            map.put(num,map.get(num)+1);//获取当前key对应的value
        else
            map.put(num,1);
    }
//将map转换为Map.Entry,之后使用compare进行对Value的排序。TreeMap自动对Key进行排序，升序排序。
List<Map.Entry<Integer,Integer>> listmap = new ArrayList<Map.Entry<Integer,Integer>>(map.entrySet());//map转换为list
Collections.sort(listmap,new Comparator<Map.Entry<Integer,Integer>>(){         //通过比较器排序，注意比较器写法
    public int compare(Map.Entry<Integer,Integer> num1,Map.Entry<Integer,Integer> nums2){
        return nums2.getValue()-num1.getValue();//降序排序
    }
});
for(int i = 0 ;i<k;i++){
    list.add(listmap.get(i).getKey());
}
return list;
}

提交记录

     执行用时：19 ms
     内存消耗：42.7 MB

算法思想二

优先队列，先进先出并且java中默认为最小堆实现。队列第一个元素是最小值。考虑将排序好的map，根据元素出现频率存入长度为k的queue，若当前频率>队列中频率最小频率，则的出队列。此时，排序算法只需要对queue的k个值进行，其算法复杂度可提升为nlog（k）。
1.统计数组中每个元素出现的次数
————通过Map<非重复数据，出现频率>可以很好的实现
2.实例化PriorityQueue
————为后期获取num容易，存入Pair<数据，频率>
3.循环map
————如果队列长度小于k，入队列
————如果队列长度大于k
——————判断当前元素频率与队列头peek关系，若小于则不处理，若大于则将当前队列头出队列后将当前判断元素存入
4.将队列中数据存入list中返回
————注：PriorityQueue中存的Pair，foreach的时候接收对象为Pair

public List<Integer> topKFrequent(int[] nums, int k) {
    List<Integer> list = new ArrayList<Integer>();
    Map<Integer,Integer> map = new HashMap<Integer,Integer>();
    if (nums.length==0) return list;
    for(int num:nums){
        if(map.containsKey(num))
            map.put(num,map.get(num)+1);//获取当前key对应的value
        else
            map.put(num,1);
    }
    //队列存满足的k个数，按照 次数进行从小到大排列
    PriorityQueue<Pair<Integer,Integer>> pq = new PriorityQueue<Pair<Integer,Integer>>(new Comparator<Pair<Integer, Integer>>() {
        @Override
        public int compare(Pair<Integer, Integer> integerIntegerPair, Pair<Integer, Integer> t1) {
            return integerIntegerPair.getValue()-t1.getValue();
        }
    });//默认从小到大排序
    for(Map.Entry<Integer,Integer> me:map.entrySet()){
        if(pq.size()==k ){
            if(me.getValue()>pq.peek().getValue()) {
                pq.poll();
                pq.offer(new Pair(me.getKey(), me.getValue()));
            }
        }else{
            pq.offer(new Pair(me.getKey(),me.getValue()));
        }
    }
    for(Pair<Integer,Integer> num : pq){
        list.add(num.getKey());
    }
    return list;
}

提交记录

    执行用时：17 ms
    内存消耗：42.9 MB