LeetCode: 347. 前 K 个高频元素

友情支持

如果您觉得这个笔记对您有所帮助，看在D瓜哥码这么多字的辛苦上，请友情支持一下，D瓜哥感激不尽，😜

支付宝

有些打赏的朋友希望可以加个好友，欢迎关注D 瓜哥的微信公众号，这样就可以通过公众号的回复直接给我发信息。

wx jikerizhi

公众号的微信号是: jikerizhi。因为众所周知的原因，有时图片加载不出来。如果图片加载不出来可以直接通过搜索微信号来查找我的公众号。

347. 前 K 个高频元素

LeetCode - 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]

提示：

1 <= nums.length <= 10⁵
k 的取值范围是 [1, 数组中不相同的元素的个数]
题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的

进阶：你所设计算法的时间复杂度必须优于 \(O(nlogn)\) ，其中 n 是数组大小。

思路分析

利用桶排序实在是妙妙妙啊：使用哈希表统计频率，统计完成后，创建一个数组，将频率作为数组下标，对于出现频率不同的数字集合，存入对应的数组下标即可。

Top K 问题！

一刷
二刷
二刷（桶排序）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
/**
 * Runtime: 10 ms, faster than 98.24% of Java online submissions for Top K Frequent Elements.
 *
 * Memory Usage: 41.2 MB, less than 31.89% of Java online submissions for Top K Frequent Elements.
 *
 * Copy from: https://leetcode.com/problems/top-k-frequent-elements/discuss/81602/Java-O(n)-Solution-Bucket-Sort[Java O(n) Solution - Bucket Sort - LeetCode Discuss]
 *
 * @author D瓜哥 · https://www.diguage.com
 * @since 2020-01-11 00:04
 */
public List<Integer> topKFrequent(int[] nums, int k) {
    Map<Integer, Integer> numToCountMap = new HashMap<>();
    for (int num : nums) {
        Integer count = numToCountMap.getOrDefault(num, 0);
        numToCountMap.put(num, ++count);
    }
    List<Integer>[] bucket = new List[nums.length + 1];
    for (Map.Entry<Integer, Integer> entry : numToCountMap.entrySet()) {
        if (Objects.isNull(bucket[entry.getValue()])) {
            bucket[entry.getValue()] = new ArrayList<>();
        }
        bucket[entry.getValue()].add(entry.getKey());
    }
    List<Integer> result = new ArrayList<>(k);
    for (int i = bucket.length - 1; i >= 0 && result.size() < k; i--) {
        if (Objects.nonNull(bucket[i])) {
            result.addAll(bucket[i]);
        }
    }
    return result;
}

/**
 * Runtime: 12 ms, faster than 81.45% of Java online submissions for Top K Frequent Elements.
 *
 * Memory Usage: 40.3 MB, less than 69.83% of Java online submissions for Top K Frequent Elements.
 */
public List<Integer> topKFrequentSort(int[] nums, int k) {
    Map<Integer, Integer> numToCountMap = new HashMap<>();
    for (int num : nums) {
        Integer count = numToCountMap.getOrDefault(num, 0);
        numToCountMap.put(num, ++count);
    }
    List<Map.Entry<Integer, Integer>> entries = new ArrayList<>(numToCountMap.entrySet());
    entries.sort((e1, e2) -> e2.getValue() - e1.getValue());
    List<Integer> result = new ArrayList<>(k);
    for (int i = 0; i < k; i++) {
        result.add(entries.get(i).getKey());
    }
    return result;
}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
/**
 * @author D瓜哥 · https://www.diguage.com
 * @since 2025-03-25 21:20:04
 */
public int[] topKFrequent(int[] nums, int k) {
  Map<Integer, Integer> numToCountMap = new HashMap<>();
  for (int num : nums) {
    Integer count = numToCountMap.getOrDefault(num, 0);
    numToCountMap.put(num, ++count);
  }
  // 寻找最频繁的 K 个元素，这里就要用最小堆。
  // 注意：堆里比较的是元素出现的次数，不是元素本身，所以自定义比较器
  PriorityQueue<Integer> minHeap = new PriorityQueue<>(Comparator.comparingInt(numToCountMap::get));
  for (Map.Entry<Integer, Integer> entry : numToCountMap.entrySet()) {
    Integer num = entry.getKey();
    Integer count = entry.getValue();
    if (minHeap.size() < k) {
      minHeap.offer(num);
    } else {
      if (numToCountMap.get(minHeap.peek()) < count) {
        minHeap.poll();
        minHeap.offer(num);
      }
    }
  }
  int[] result = new int[k];
  for (int num : minHeap) {
    result[--k] = num;
  }
  return result;
}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
/**
 * 桶排序
 *
 * @author D瓜哥 · https://www.diguage.com
 * @since 2025-03-26 14:56:31
 */
public int[] topKFrequent(int[] nums, int k) {
  Map<Integer, Integer> numToCountMap = new HashMap<>();
  int maxCount = 0;
  for (int num : nums) {
    Integer count = numToCountMap.getOrDefault(num, 0);
    Integer newCnt = ++count;
    if (newCnt > maxCount) {
      maxCount = newCnt;
    }
    numToCountMap.put(num, newCnt);
  }
  List<Integer>[] buckets = new ArrayList[maxCount + 1];
  numToCountMap.forEach((key, v) -> {
    if (buckets[v] == null) {
      buckets[v] = new ArrayList<>();
    }
    buckets[v].add(key);
  });
  int[] result = new int[k];
  for (int i = maxCount; i >= 0 && k > 0; i--) {
    if (buckets[i] != null) {
      for (int num : buckets[i]) {
        result[--k] = num;
      }
    }
  }
  return result;
}