algorithm/leetcode-master
1
0
Fork 0
mirror of https://github.com/youngyangyang04/leetcode-master.git synced 2025-07-07 15:45:40 +08:00
Code Issues Packages Projects Releases Wiki Activity

更新 0347.前k个高频元素 排版格式修复

Browse Source
This commit is contained in:
jinbudaily
2023-07-20 15:13:29 +08:00
parent 5a6bf6d855
commit 0e4f91d81d
1 changed files with 19 additions and 14 deletions
Download Patch File Download Diff File Expand all files Collapse all files

33
problems/0347.前K个高频元素.md
View File

@ -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> <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 > 前K个大数问题，老生常谈，不得不谈
# 347.前 K 个高频元素 # 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。 * 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。 * 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： 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 1. 要统计元素出现频率
@ -122,7 +122,7 @@ public:
* 时间复杂度: O(nlogk) * 时间复杂度: O(nlogk)
* 空间复杂度: O(n) * 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。 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。 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！ 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 ```java
/*Comparator接口说明: /*Comparator接口说明:
@ -216,7 +216,8 @@ class Solution {
} }
``` ```
Python： ### Python：
```python ```python
#时间复杂度：O(nlogk) #时间复杂度：O(nlogk)
#空间复杂度：O(n) #空间复杂度：O(n)
@ -245,7 +246,7 @@ class Solution:
return result return result
``` ```
Go： ### Go：
```go ```go
//方法一：小顶堆 //方法一：小顶堆
@ -320,8 +321,8 @@ func topKFrequent(nums []int, k int) []int {
### JavaScript:
JavaScript:
```js ```js
// js 没有堆 需要自己构造 // js 没有堆 需要自己构造
class Heap { class Heap {
@ -419,7 +420,7 @@ const topKFrequent = function (nums, k) {
}; };
``` ```
TypeScript： ### TypeScript：
```typescript ```typescript
function topKFrequent(nums: number[], k: number): number[] { function topKFrequent(nums: number[], k: number): number[] {
@ -435,7 +436,8 @@ function topKFrequent(nums: number[], k: number): number[] {
}; };
``` ```
C#: ### C#:
```csharp ```csharp
public int[] TopKFrequent(int[] nums, int k) { public int[] TopKFrequent(int[] nums, int k) {
//哈希表-标权重 //哈希表-标权重
@ -473,7 +475,7 @@ C#:
``` ```
Scala: ### Scala:
解法一: 优先级队列 解法一: 优先级队列
```scala ```scala
@ -517,7 +519,9 @@ object Solution {
} }
``` ```
rust: 小根堆 ### Rust
小根堆
```rust ```rust
use std::cmp::Reverse; use std::cmp::Reverse;
@ -549,3 +553,4 @@ impl Solution {
<a href="https://programmercarl.com/other/kstar.html" target="_blank"> <a href="https://programmercarl.com/other/kstar.html" target="_blank">
<img src="../pics/网站星球宣传海报.jpg" width="1000"/> <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
</a> </a>