查找热点数据问题| 豆包MarsCode AI刷题

问题描述

给你一个整数数组 nums 和一个整数 k，请你用一个字符串返回其中出现频率前 k 高的元素。请按升序排列。

你所设计算法的时间复杂度必须优于 O(n log n)，其中 n 是数组大小。

输入

• nums: 一个正整数数组
• k: 一个整数

返回

返回一个包含 k 个元素的字符串，数字元素之间用逗号分隔。数字元素按升序排列，表示出现频率最高的 k 个元素。

参数限制

• 1 <= nums[i] <= 10^4
• 1 <= nums.length <= 10^5
• k 的取值范围是 [1, 数组中不相同的元素的个数]
• 题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的

测试样例

样例1：

输入：nums = [1, 1, 1, 2, 2, 3], k = 2
输出："1,2"
解释：元素 1 出现了 3 次，元素 2 出现了 2 次，元素 3 出现了 1 次。因此前两个高频元素是 1 和 2。

样例2：

输入：nums = [1], k = 1
输出："1"

问题理解

我们需要找到数组 nums 中出现频率前 k 高的元素，并按升序排列。时间复杂度必须优于 O(n log n)，其中 n 是数组的大小。

数据结构选择

1. 哈希表（字典） ：用于统计每个元素的出现频率。
2. 最小堆（Min Heap） ：用于维护前 k 个高频元素。

算法步骤

1. 统计频率：使用哈希表统计每个元素的出现频率。
2. 构建最小堆：遍历哈希表，将元素及其频率插入最小堆中。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：从堆中提取元素，按升序排列。

关键步骤解释

1. 统计频率：遍历数组 nums，使用字典 frequency 记录每个元素的出现次数。
2. 构建最小堆：使用 heapq 模块的 heappush 和 heappop 方法维护一个大小为 k 的最小堆。堆中存储的是元素的频率和元素本身。
3. 提取结果：从堆中依次弹出元素，并按升序排列。

提示

• 你可以先尝试实现统计频率的部分。
• 然后尝试使用 heapq 模块来维护最小堆。
• 最后，按升序排列结果并返回。

def solution(nums, k): # 统计频率 frequency = {} for num in nums: if num in frequency: frequency[num] += 1 else: frequency[num] = 1

# 构建最小堆
import heapq
min_heap = []
for num, freq in frequency.items():
    heapq.heappush(min_heap, (freq, num))
    if len(min_heap) > k:
        heapq.heappop(min_heap)

# 提取结果
result = []
while min_heap:
    result.append(heapq.heappop(min_heap)[1])

# 按升序排列
result.sort()

return 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])