查找热点数据问题 ｜ 豆包MarsCode AI 刷题

今天我们将在豆包MarsCode AI刷题平台上，完成《查找热点数据问题》这个算法问题，通过练习提升用户解决此类问题的能力。

《查找热点数据问题》题目如下：

问题理解

我们需要找到数组 nums 中出现频率最高的 k 个元素，并将它们按升序排列后以字符串形式返回。时间复杂度需要优于 O(n log n)。

数据结构选择

1. 频率统计：我们可以使用字典（dict）来统计每个元素的出现频率。
2. 频率排序：为了高效地找到前 k 个高频元素，我们可以使用最小堆（heapq）来维护当前的前 k 个高频元素。

算法步骤

1. 统计频率：遍历数组 nums，使用字典统计每个元素的出现次数。
2. 构建最小堆：遍历字典，将元素和频率对插入最小堆中。如果堆的大小超过 k，则弹出堆顶元素（即频率最小的元素）。
3. 提取结果：从堆中提取所有元素，按升序排列后转换为字符串返回。

import heapq
from collections import Counter

def solution(nums, k):
    # 统计每个元素的频率
    freq_dict = Counter(nums)
    
    # 使用最小堆来维护前 k 个高频元素
    min_heap = []
    for num, freq in freq_dict.items():
        # 将 (频率, 元素) 对插入最小堆
        heapq.heappush(min_heap, (freq, num))
        # 如果堆的大小超过 k，弹出堆顶元素
        if len(min_heap) > k:
            heapq.heappop(min_heap)
    
    # 从堆中提取所有元素，按升序排列
    result = [num for _, num in sorted(min_heap)]
    
    # 将结果转换为字符串返回
    return ','.join(map(str, result))

if __name__ == "__main__":
    #  You can add more test cases here
    print(solution([1,1,1,2,2,3], 2) == "1,2")
    print(solution([1], 1) == "1")

关键步骤解释

1. 统计频率：使用 Counter 可以快速统计每个元素的出现次数。
2. 最小堆：heapq 模块提供了最小堆的实现，我们可以利用它来维护前 k 个高频元素。
3. 结果提取：从堆中提取元素后，按升序排列并转换为字符串。

如何使用哈希表来统计每个元素的频率？

使用哈希表（字典）来统计每个元素的频率是一个非常常见的操作。在 Python 中，我们可以使用 collections.Counter 来简化这个过程，但为了更清晰地展示，我们可以手动实现这个过程。

from collections import defaultdict

def solution(nums, k):
    # 使用 defaultdict 来统计每个元素的频率
    freq_dict = defaultdict(int)
    
    # 遍历 nums 数组，统计每个元素的频率
    for num in nums:
        freq_dict[num] += 1
    
    # 这里可以继续实现后续的逻辑，例如使用最小堆来找到前 k 个高频元素
    # 暂时返回一个占位符
    return ','.join(map(str, sorted(freq_dict.keys())))

if __name__ == "__main__":
    #  You can add more test cases here
    print(solution([1,1,1,2,2,3], 2) == "1,2")
    print(solution([1], 1) == "1")

关键步骤解释

1. 创建字典：我们使用 defaultdict(int) 来创建一个字典，其中每个键的默认值为 0。
2. 遍历数组：我们遍历 nums 数组，对于每个元素 num，我们将其对应的值加 1。
3. 统计结果：最终，freq_dict 将包含每个元素及其出现的频率。

后续步骤

在统计完频率后，你可以继续使用最小堆来找到前 k 个高频元素，并按升序排列后返回。