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 1d6a358b..20932b28 100644
--- a/problems/0347.前K个高频元素.md
+++ b/problems/0347.前K个高频元素.md
@@ -374,7 +374,49 @@ function topKFrequent(nums: number[], k: number): number[] {
 };
 ```
 
+Scala:
 
+解法一: 优先级队列
+```scala
+object Solution {
+  import scala.collection.mutable
+  def topKFrequent(nums: Array[Int], k: Int): Array[Int] = {
+    val map = mutable.HashMap[Int, Int]()
+    // 将所有元素都放入Map
+    for (num <- nums) {
+      map.put(num, map.getOrElse(num, 0) + 1)
+    }
+    // 声明一个优先级队列，在函数柯里化那块需要指明排序方式
+    var queue = mutable.PriorityQueue[(Int, Int)]()(Ordering.fromLessThan((x, y) => x._2 > y._2))
+    // 将map里面的元素送入优先级队列
+    for (elem <- map) {
+      queue.enqueue(elem)
+      if(queue.size > k){ 
+        queue.dequeue // 如果队列元素大于k个，出队
+      }
+    }
+    // 最终只需要key的Array形式就可以了，return关键字可以省略
+    queue.map(_._1).toArray
+  }
+}
+```
+解法二: 相当于一个wordCount程序
+```scala
+object Solution {
+  def topKFrequent(nums: Array[Int], k: Int): Array[Int] = {
+    // 首先将数据变为(x,1)，然后按照x分组，再使用map进行转换(x,sum)，变换为Array
+    // 再使用sort针对sum进行排序，最后take前k个，再把数据变为x,y,z这种格式
+    nums.map((_, 1)).groupBy(_._1)
+      .map {
+        case (x, arr) => (x, arr.map(_._2).sum)
+      }
+      .toArray
+      .sortWith(_._2 > _._2)
+      .take(k)
+      .map(_._1)
+  }
+}
+```
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>