有一种队列是披着队列外衣的堆文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

347.前 K 个高频元素

题目链接：https://leetcode-cn.com/problems/top-k-frequent-elements/文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

给定一个非空的整数数组，返回其中出现频率前 k 高的元素。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

示例 1:
输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

示例 2:
输入: nums = [1], k = 1
输出: [1]文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

提示：
你可以假设给定的 k 总是合理的，且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于 O(n log n) , n 是数组的大小。
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。
你可以按任意顺序返回答案。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

思路

这道题目主要涉及到如下三块内容：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

1. 要统计元素出现频率
2. 对频率排序
3. 找出前K个高频元素

首先统计元素出现的频率，这一类的问题可以使用map来进行统计。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

然后是对频率进行排序，这里我们可以使用一种 容器适配器就是「优先级队列」。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

什么是优先级队列呢？文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

其实「就是一个披着队列外衣的堆」，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

而且优先级队列内部元素是自动依照元素的权值排列。那么它是如何有序排列的呢？文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

缺省情况下priority_queue利用max-heap（大顶堆）完成对元素的排序，这个大顶堆是以vector为表现形式的complete binary tree（完全二叉树）。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

什么是堆呢？文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

「堆是一颗完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。」 如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

所以大家经常说的大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

本题我们就要使用优先级队列来对部分频率进行排序。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

为什么不用快排呢， 使用快排要将map转换为vector的结构，然后对整个数组进行排序， 而这种场景下，我们其实只需要维护k个有序的序列就可以了，所以使用优先级队列是最优的。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

此时要思考一下，是使用小顶堆呢，还是大顶堆？文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

有的同学一想，题目要求前 K 个高频元素，那么果断用大顶堆啊。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

那么问题来了，定义一个大小为k的大顶堆，在每次移动更新大顶堆的时候，每次弹出都把最大的元素弹出去了，那么怎么保留下来前K个高频元素呢。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

「所以我们要用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。」文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

寻找前k个最大元素流程如图所示：（图中的频率只有三个，所以正好构成一个大小为3的小顶堆，如果频率更多一些，则用这个小顶堆进行扫描）文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

我们来看一下代码：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/23153.html

C++代码

// 时间复杂度：O(nlogk)
// 空间复杂度：O(n)
class Solution {
public:
    // 小顶堆
    class mycomparison {
    public:
        bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
            return lhs.second > rhs.second;
        }
    };
    vector<int> topKFrequent(vector<int>& nums, int k) {
        // 要统计元素出现频率
        unordered_map<int, int> map; // map<nums[i],对应出现的次数>
        for (int i = 0; i < nums.size(); i++) {
            map[nums[i]]++;
        }

        // 对频率排序
        // 定义一个小顶堆，大小为k
        priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
        
        // 用固定大小为k的小顶堆，扫面所有频率的数值 
        for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
            pri_que.push(*it);
            if (pri_que.size() > k) { // 如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k
                pri_que.pop();
            }
        }

        // 找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒叙来输出到数组
        vector<int> result(k);
        for (int i = k - 1; i >= 0; i--) {
            result[i] = pri_que.top().first;
            pri_que.pop();
        }
        return result;

    }
};