From 0e4f91d81d68b53269f33aa994ecab626202243b Mon Sep 17 00:00:00 2001
From: jinbudaily <18336218010@163.com>
Date: Thu, 20 Jul 2023 15:13:29 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=200347.=E5=89=8Dk=E4=B8=AA?=
 =?UTF-8?q?=E9=AB=98=E9=A2=91=E5=85=83=E7=B4=A0=20=E6=8E=92=E7=89=88?=
 =?UTF-8?q?=E6=A0=BC=E5=BC=8F=E4=BF=AE=E5=A4=8D?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 problems/0347.前K个高频元素.md | 33 ++++++++++++++++------------
 1 file changed, 19 insertions(+), 14 deletions(-)

diff --git a/problems/0347.前K个高频元素.md b/problems/0347.前K个高频元素.md
index 6c8b51b1..b3063111 100644
--- a/problems/0347.前K个高频元素.md
+++ b/problems/0347.前K个高频元素.md
@@ -5,8 +5,6 @@
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
 
-
-
 > 前K个大数问题，老生常谈，不得不谈
 
 # 347.前 K 个高频元素
@@ -29,9 +27,11 @@
 * 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。
 
-# 思路
+## 算法公开课
 
-《代码随想录》算法视频公开课：[优先级队列正式登场！大顶堆、小顶堆该怎么用？| LeetCode：347.前 K 个高频元素](https://www.bilibili.com/video/BV1Xg41167Lz)，相信结合视频在看本篇题解，更有助于大家对本题的理解。
+**[《代码随想录》算法视频公开课](https://programmercarl.com/other/gongkaike.html)：[优先级队列正式登场！大顶堆、小顶堆该怎么用？| LeetCode：347.前 K 个高频元素](https://www.bilibili.com/video/BV1Xg41167Lz)，相信结合视频再看本篇题解，更有助于大家对本题的理解**。
+
+## 思路
 
 这道题目主要涉及到如下三块内容：
 1. 要统计元素出现频率
@@ -122,7 +122,7 @@ public:
 * 时间复杂度: O(nlogk)
 * 空间复杂度: O(n)
 
-# 拓展
+## 拓展
 大家对这个比较运算在建堆时是如何应用的，为什么左大于右就会建立小顶堆，反而建立大顶堆比较困惑。
 
 确实 例如我们在写快排的cmp函数的时候，`return left>right` 就是从大到小，`return left<right` 就是从小到大。
@@ -130,10 +130,10 @@ public:
 优先级队列的定义正好反过来了，可能和优先级队列的源码实现有关（我没有仔细研究），我估计是底层实现上优先队列队首指向后面，队尾指向最前面的缘故！
 
 
-# 其他语言版本
+## 其他语言版本
 
+### Java：
 
-Java：
 ```java
 
 /*Comparator接口说明:
@@ -216,7 +216,8 @@ class Solution {
 }
 ```
 
-Python：
+### Python：
+
 ```python
 #时间复杂度：O(nlogk)
 #空间复杂度：O(n)
@@ -245,7 +246,7 @@ class Solution:
         return result
 ```
 
-Go：
+### Go：
 
 ```go
 //方法一：小顶堆
@@ -320,8 +321,8 @@ func topKFrequent(nums []int, k int) []int {
 
 
 
+### JavaScript:
 
-JavaScript:
 ```js
 // js 没有堆 需要自己构造
 class Heap {
@@ -419,7 +420,7 @@ const topKFrequent = function (nums, k) {
 };
 ```
 
-TypeScript：
+### TypeScript：
 
 ```typescript
 function topKFrequent(nums: number[], k: number): number[] {
@@ -435,7 +436,8 @@ function topKFrequent(nums: number[], k: number): number[] {
 };
 ```
 
-C#:
+### C#:
+
 ```csharp
  public int[] TopKFrequent(int[] nums, int k) {
         //哈希表-标权重
@@ -473,7 +475,7 @@ C#:
     
 ```
 
-Scala:
+### Scala:
 
 解法一: 优先级队列
 ```scala
@@ -517,7 +519,9 @@ object Solution {
 }
 ```
 
-rust: 小根堆
+### Rust
+
+小根堆
 
 ```rust
 use std::cmp::Reverse;
@@ -549,3 +553,4 @@ impl Solution {
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
 </a>
+