详解使用「哈希表」&「优先队列」进行求前 K 个元素|Java 刷题打卡

简介: 详解使用「哈希表」&「优先队列」进行求前 K 个元素|Java 刷题打卡

题目描述



这是 LeetCode 上的 692. 前K个高频单词 ,难度为 中等


Tag : 「哈希表」、「优先队列」


给一非空的单词列表,返回前 k 个出现次数最多的单词。


返回的答案应该按单词出现频率由高到低排序。


如果不同的单词有相同出现频率,按字母顺序排序。


示例 1:


输入: ["i", "love", "leetcode", "i", "love", "coding"], k = 2
输出: ["i", "love"]
解析: "i" 和 "love" 为出现次数最多的两个单词,均为2次。
    注意,按字母顺序 "i" 在 "love" 之前。
复制代码


示例 2:


输入: ["the", "day", "is", "sunny", "the", "the", "the", "sunny", "is", "is"], k = 4
输出: ["the", "is", "sunny", "day"]
解析: "the", "is", "sunny" 和 "day" 是出现次数最多的四个单词,
    出现次数依次为 4, 3, 2 和 1 次。
复制代码


注意:


  • 假定 k 总为有效值, 1 ≤ k ≤ 集合元素数。
  • 输入的单词均由小写字母组成。

扩展练习:

  • 尝试以 O(n log k) 时间复杂度和 O(n) 空间复杂度解决。


哈希表 & 优先队列(堆)



这道题是在「优先队列(堆)」裸题的基础上增加了字典序大小的比较。


相应的,我们不能只根据「词频大小」构建小根堆来获取前 kkk 个元素,还需要结合字典序大小来做。


具体的,我们可以使用「哈希表」&「优先队列」进行求解:


  1. 使用「哈希表」来统计所有的词频
  2. 构建大小为 kkk 按照「词频升序 + (词频相同)字典序倒序」的优先队列:
  • 如果词频不相等,根据词频进行升序构建,确保堆顶元素是堆中词频最小的元素
  • 如果词频相等,根据字典序大小进行倒序构建,结合 2.12.12.1 可以确保堆顶元素是堆中「词频最小 & 字典序最大」的元素
  1. 对所有元素进行遍历,尝试入堆:
  • 堆内元素不足 kkk 个:直接入堆
  • 词频大于堆顶元素:堆顶元素不可能是前 kkk 大的元素。将堆顶元素弹出,并将当前元素添加到堆中
  • 词频小于堆顶元素;当前元素不可能是前 kkk 大的元素,直接丢弃。
  • 词频等于堆顶元素:根据当前元素与堆顶元素的字典序大小决定(如果字典序大小比堆顶元素要小则入堆)
  1. 输出堆内元素,并翻转


代码:


class Solution {
    public List<String> topKFrequent(String[] ws, int k) {
        Map<String, Integer> map = new HashMap<>();
        for (String w : ws) map.put(w, map.getOrDefault(w, 0) + 1);
        PriorityQueue<Object[]> q = new PriorityQueue<>(k, (a, b)->{ 
            // 如果词频不同,根据词频升序
            int c1 = (Integer)a[0], c2 = (Integer)b[0];
            if (c1 != c2) return c1 - c2;
            // 如果词频相同,根据字典序倒序
            String s1 = (String)a[1], s2 = (String)b[1];
            return s2.compareTo(s1);
        });
        for (String s : map.keySet()) {
            int cnt = map.get(s);
            if (q.size() < k) { // 不足 k 个,直接入堆
                q.add(new Object[]{cnt, s});
            } else {
                Object[] peek = q.peek();
                if (cnt > (Integer)peek[0]) { // 词频比堆顶元素大,弹出堆顶元素,入堆
                    q.poll();
                    q.add(new Object[]{cnt, s});
                } else if (cnt == (Integer)peek[0]) { // 词频与堆顶元素相同
                    String top = (String)peek[1];
                    if (s.compareTo(top) < 0) { // 且字典序大小比堆顶元素小,弹出堆顶元素,入堆
                        q.poll();
                        q.add(new Object[]{cnt, s});
                    }
                }
            }
        }
        List<String> ans = new ArrayList<>();
        while (!q.isEmpty()) ans.add((String)q.poll()[1]);
        Collections.reverse(ans);
        return ans;
    }
}
复制代码
  • 时间复杂度:使用哈希表统计词频,复杂度为 O(n)O(n)O(n);使用最多 nnn 个元素维护一个大小为 kkk 的堆,复杂度为 O(nlog⁡k)O(n\log{k})O(nlogk);输出答案复杂度为 O(k)O(k)O(k)(同时 k≤nk \leq nkn)。整体复杂度为 O(nlog⁡k)O(n\log{k})O(nlogk)
  • 空间复杂度:O(n)O(n)O(n)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.692 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先将所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
2月前
|
存储 算法 Java
Arraylist 在 Java 中能容纳多少个元素?
【8月更文挑战第23天】
65 0
|
2月前
|
存储 Java
|
2月前
|
缓存 Java
Java本地高性能缓存实践问题之AsyncCache中移除一个缓存元素的问题如何解决
Java本地高性能缓存实践问题之AsyncCache中移除一个缓存元素的问题如何解决
|
2月前
|
缓存 Java
Java本地高性能缓存实践问题之使用Caffeine的Cache接口来查找一个缓存元素的问题如何解决
Java本地高性能缓存实践问题之使用Caffeine的Cache接口来查找一个缓存元素的问题如何解决
|
23天前
|
Java 编译器 测试技术
|
2月前
|
Java API
|
2月前
|
存储 Java
Java中ArrayList 元素的排序
本文提供了Java中根据`ArrayList`元素的某个属性进行排序的示例代码,包括实现`Comparable`接口和重载`compareTo`方法,然后使用`Collections.sort`方法进行排序。
|
2月前
|
存储 安全 Java
|
2月前
|
Java
|
2月前
|
存储 Java API
下一篇
无影云桌面