查找热点数据（困难）问题描述给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以

问题描述

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按任意顺序返回答案。

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

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。

示例 1

输入: nums = [1,1,1,2,2,3], k = 2

输出: [1,2]

示例 2

输入: nums = [1], k = 1

输出: [1]

问题分析：

1、参数:

vector& nums: 输入的整数数组。 int k: 需要返回的前k个高频元素的数量。 2、局部变量:

unordered_map<int, int> freqMap: 用于存储每个数字的频率。 vector<pair<int,int>> result: 存储哈希表中的键值对（数字及其频率）。 stringstream ss: 用于构建最终返回的字符串。 3、逻辑流程:

构建频率映射: 遍历输入数组 nums，使用 unordered_map 记录每个数字的频率。存储映射到结果向量: 将 freqMap 中的每个键值对（数字及其频率）添加到 result 向量中。排序: 使用 sort 函数对 result 向量进行排序，排序依据是元素的频率（降序）。构建返回字符串: 遍历排序后的 result 向量的前 k 个元素，将它们转换为字符串并使用逗号分隔，存储在 stringstream 中。返回结果: 将 stringstream 中的内容转换为字符串并返回。

二、解题思路

为了满足时间复杂度的要求，可以利用哈希表（字典）来统计每个元素在数组中的出现频率，然后通过构建小顶堆（或大顶堆）来找出出现频率前 k 高的元素。具体步骤如下：

统计元素出现频率：
- 使用哈希表（例如在 Python 中可以使用字典）来遍历数组 nums，将每个元素作为键，该元素在数组中出现的次数作为值，进行频率统计。例如，对于数组 nums = [1,1,1,2,2,3]，经过统计后哈希表可能为 {1: 3, 2: 2, 3: 1}。
构建小顶堆（或大顶堆） ：
- 方法一：构建小顶堆
  - 可以创建一个大小为 k 的小顶堆。遍历哈希表中的每个元素及其频率，将元素频率对作为元组（例如 (频率, 元素)）压入小顶堆中。如果小顶堆的大小超过了 k，则弹出堆顶元素（因为小顶堆的堆顶是当前堆中频率最小的元素对）。这样，在遍历完哈希表后，小顶堆中就保留了出现频率前 k 高的元素对应的频率和元素信息。
  - 例如，对于哈希表 {1: 3, 2: 2, 3: 1}，假设 k = 2，当遍历到 (3, 1) 时，小顶堆为空，直接压入；当遍历到 (2, 2) 时，小顶堆未满，压入；当遍历到 (1, 3) 时，小顶堆已满，比较 (1, 3) 的频率 1 和小顶堆堆顶元素（假设此时堆顶为 (2, 2)）的频率 2，因为 1 < 2，所以弹出堆顶元素 (2, 2)，然后压入 (1, 3)。最终小顶堆中保留的是出现频率前 k 高的元素对应的信息。
- 方法二：构建大顶堆
  - 同样创建一个大小为 k 的堆，但这次构建大顶堆。将元素频率对（例如 (频率, 元素)）压入大顶堆中。如果大顶堆的大小超过了 k，则弹出堆顶元素（因为大顶堆的堆顶是当前堆中频率最大的元素对）。与小顶堆不同的是，这里在遍历完哈希表后，需要将大顶堆中的元素全部弹出并反转顺序，才能得到出现频率前 k 高的元素。因为大顶堆中堆顶是频率最高的元素，而我们要的是按任意顺序的前 k 高频率元素，所以弹出并反转顺序后就可以得到符合要求的结果。

提取前 k 高频率元素：

对于构建小顶堆的方法，直接从小顶堆中取出元素部分（即每个元组中的第二个元素），组成列表返回即可。例如，小顶堆中剩下的元素对可能是 [(3, 1), (2, 2)]，则返回的列表为 [1, 2]。
对于构建大顶堆的方法，将大顶堆中的元素全部弹出并反转顺序后，取出元素部分组成列表返回。例如，大顶堆弹出并反转顺序后的元素对可能是 [(3, 1), (2, 2)]，同样返回列表 [1, 2]。

import java.util.*; public class Main { public static String solution(int[] nums, int k) { // 使用哈希表记录每个元素的频率 Map<Integer, Integer> freqMap = new HashMap<>(); for (int num : nums) { freqMap.put(num, freqMap.getOrDefault(num, 0) + 1); }

    // 将频率存储到列表中并按频率排序
    List<Map.Entry<Integer, Integer>> resultList = new ArrayList<>(freqMap.entrySet());
    resultList.sort((a, b) -> b.getValue().compareTo(a.getValue())); // 按频率降序排序

    // 创建结果字符串
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < k; i++) {
        sb.append(resultList.get(i).getKey());
        if (i < k - 1) {
            sb.append(","); // 添加逗号分隔
        }
    }

    return sb.toString(); // 返回结果字符串
}

public static void main(String[] args) {
    // 测试用例
    int[] nums1 = {1, 1, 1, 2, 2, 3};
    int[] nums2 = {1};

    // 输出结果是否与预期相符
    System.out.println(solution(nums1, 2).equals("1,2")); // true
    System.out.println(solution(nums2, 1).equals("1")); // true
}

}