53 lines
1.7 KiB
Markdown
53 lines
1.7 KiB
Markdown
- 当然可以！下面是你可以直接记到笔记里的内容：
|
||
|
||
------
|
||
|
||
### 🧠 题型：**Top K 高频元素**（LeetCode 347）
|
||
|
||
**题目描述**：给定一个整数数组 `nums` 和一个整数 `k`，返回出现频率最高的前 `k` 个元素，返回顺序可以任意。
|
||
|
||
------
|
||
|
||
### 📌 解法一：大根堆（最大堆）
|
||
|
||
**思路**：
|
||
|
||
1. 使用 `HashMap` 统计每个元素的出现频率。
|
||
2. 构建一个**大根堆**（`PriorityQueue` + 自定义比较器），根据频率降序排列。
|
||
3. 将所有元素加入堆中，**弹出前 `k` 个元素**即为答案。
|
||
|
||
**适合场景**：
|
||
|
||
- 实现简单，适用于对全部元素排序后取前 `k` 个。
|
||
- 时间复杂度：**O(n log n)**，因为需要将所有 `n` 个元素都加入堆。
|
||
|
||
------
|
||
|
||
### 📌 解法二：小根堆（最小堆）
|
||
|
||
**思路**：
|
||
|
||
1. 使用 `HashMap` 统计频率。
|
||
2. 构建一个**小根堆**，堆中仅保存前 `k` 个高频元素。
|
||
3. 遍历每个元素：
|
||
- 如果堆未满，直接加入。
|
||
- 如果当前元素频率大于堆顶（最小频率），则弹出堆顶，加入当前元素。
|
||
4. 最终堆中保存的就是前 `k` 个高频元素。
|
||
|
||
**适合场景**：
|
||
|
||
- 当 `k ≪ n` 时效率更高。
|
||
- 时间复杂度：**O(n log k)**，因为堆中最多维护 `k` 个元素。
|
||
|
||
------
|
||
|
||
### ✅ 总结对比：
|
||
|
||
| 方法 | 适合场景 | 时间复杂度 | 空间复杂度 |
|
||
| ------ | --------------- | ---------- | ---------- |
|
||
| 大根堆 | k ≈ n，简单易写 | O(n log n) | O(n) |
|
||
| 小根堆 | k ≪ n，更高效 | O(n log k) | O(n) |
|
||
|
||
------
|
||
|
||
需要我再写成代码模板笔记也可以，随时说！ |