Update

README.md

@@ -4,6 +4,8 @@
 
 # 算法文章精选：   
 
+* [简历模板](https://github.com/youngyangyang04/Markdown-Resume-Template)
+* [一线互联网公司技术面试的流程以及注意事项](https://mp.weixin.qq.com/s/1VMvQ_6HbVpEn85CNilTiw)
 * [究竟什么是时间复杂度，怎么求时间复杂度，看这一篇就够了](https://mp.weixin.qq.com/s/lYL9TSxLqCeFXIdjt4dcIw)
 * [一文带你彻底理解程序为什么会超时](https://mp.weixin.qq.com/s/T-vcJSkq2-0s0bBB-itWbQ)
 * [一场面试，带你彻底掌握递归算法的时间复杂度](https://mp.weixin.qq.com/s/Kt-Mvs8LeVqidLGUqySj1g)

problems/0347.前K个高频元素.md

@@ -1,20 +1,25 @@
 ## 题目地址 
 
+https://leetcode-cn.com/problems/top-k-frequent-elements/
+
 ## 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
-2.对频率排序
-3.找出前K个高频元素 
+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。
 
-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。 为什么不用快排呢， 使用快排我们要向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。
+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。 为什么不用快排呢， 使用快排我们要向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。 **需要注意的是我们要定一个小顶堆** 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。
 
 最后我们从优先级队列里找出前k个元素，就可以了。
 
 ## C++代码
+
 ```
+// 时间复杂度：O(nlogk)
+// 空间复杂度：O(n)
 class Solution {
 public:
     // 小顶堆
@@ -41,7 +46,7 @@ public:
             }
         }
 
-        // 找出前K个高频元素
+        // 找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒叙来数值数组
         vector<int> result(k);
         for (int i = k - 1; i >= 0; i--) {
             result[i] = pri_que.top().first;
@@ -51,8 +56,6 @@ public:
 
     }
 };
-// 时间复杂度：O(nlogk)
-// 空间复杂度：O(n)
 ```
 
 > 更多算法干货文章持续更新，可以微信搜索「代码随想录」第一时间围观，关注后，回复「Java」「C++」 「python」「简历模板」「数据结构与算法」等等，就可以获得我多年整理的学习资料。