Leetcode 347.Top K Frequent Elements

简介: 一句话理解题意:输出数组中出现次数对多的k个数。 在如果用C语言来写这个题目,思路就是先按数的大小排序,然后再用一个结构体数组保存每个数的出现次次数。 因为数组已经有序了,所以只需要遍历一次数组就可以获得每个数的出现次数了。

Given a non-empty array of integers, return the k most frequent elements.


题目链接:Top K Frequent Elements


 一句话理解题意:输出数组中出现次数对多的k个数。

 在如果用C语言来写这个题目,思路就是先按数的大小排序,然后再用一个结构体数组保存每个数的出现次次数。 因为数组已经有序了,所以只需要遍历一次数组就可以获得每个数的出现次数了。 结构体如下


strut node 
{
    int num;       //保存数组中的数
    int count;     //这个数出现的次数
}


 然后对这个结构体数组按照count由大到小排序,返回前k个,此题得解。 如果我们排序都用快速排序,最终的时间复杂度是O(n*logn)+O(n*logn)+O(n),还是O(n*logn),符合题目要求。 但如果使用C语言,我们需要自己写排序算法,自己去开考虑很多细节,而改用Java的话,java自带的各种库函数将大大简化本提的难度。

 我们用map来存储每个数和每个数出现次数的对于关系,然后直接调用Collections的sort方法对map list化后的集合排序,这里我们只需要重载下Comparator类的compare函数即可。 我的代码如下。


public class Solution {
    public List<Integer> topKFrequent(int[] nums, int k) {
        Arrays.sort(nums);
        List<Integer> ans = new ArrayList<Integer>();
        Map<Integer,Integer> map = new HashMap<Integer, Integer>();
        for (int num:nums) {
            if (map.containsKey(num))
                map.put(num,map.get(num)+1);
            else
                map.put(num,1);
        }
        ArrayList<Map.Entry<Integer, Integer>> list = new ArrayList<Map.Entry<Integer, Integer>>(map.entrySet());
        //因为无法对map容器做排序,所以先要将map转化为list。
        Collections.sort(list, new Comparator<Map.Entry<Integer, Integer>>() {
                    @Override
                    public int compare(Map.Entry<Integer, Integer> o1, Map.Entry<Integer, Integer> o2) {
                        if (o1.getValue() == o2.getValue())
                            return o1.getKey() - o2.getKey();
                        return o2.getValue() - o1.getValue();
                    }
                }
        );
        int cnt = 0;
        for (Map.Entry<Integer,Integer> entry:list) {
            ans.add(entry.getKey());
            cnt++;
            if (cnt == k)
                break;
        }
        return ans;
    }
}


 这里用的map使用hash算法,计算每个数次数的时间复杂度从上文C实现版的O(nlogn)将到O(n),但排序的时间复杂度还是O(nlogn),从理论上看,总的时间复杂度是O(n)+O(nlogn),看起来要比C解法优。 但由于Java的各种封装和本身的特性,实际运行时间不一定会少于C的解法,开发便捷程度还是需要以效率来替换的。

目录
相关文章
|
5月前
|
算法
【经典LeetCode算法题目专栏分类】【第10期】排序问题、股票问题与TOP K问题:翻转对、买卖股票最佳时机、数组中第K个最大/最小元素
【经典LeetCode算法题目专栏分类】【第10期】排序问题、股票问题与TOP K问题:翻转对、买卖股票最佳时机、数组中第K个最大/最小元素
|
机器学习/深度学习 算法 安全
LeetCode - #48 旋转图像(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
LeetCode - #48 旋转图像(Top 100)
|
算法 安全 Swift
LeetCode - #42 接雨水(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
LeetCode - #42 接雨水(Top 100)
|
算法 安全 Swift
LeetCode - #21 合并两个有序链表(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
|
算法 安全 Swift
LeetCode - #56 合并区间(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
|
算法 安全 Swift
LeetCode - #53 最大子数组和(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
|
算法 安全 Swift
LeetCode - #49 字母异位词分组(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
|
机器学习/深度学习 算法 安全
LeetCode - #46 全排列(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
|
算法 安全 Swift
LeetCode - #45 跳跃游戏 II(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。
|
机器学习/深度学习 算法 安全
LeetCode - #39 组合总和(Top 100)
不积跬步,无以至千里;不积小流,无以成江海,Swift社区 伴你前行。如果大家有建议和意见欢迎在文末留言,我们会尽力满足大家的需求。