Top K Frequent Elements

347. 前K个高频元素

分析

统计频率：
- 使用哈希表 hash 记录数组中每个元素的出现次数，键为数组元素，值为对应频率
统计频率分布：
- 创建一个计数数组 count，其中 count[i] 表示频率为 i 的元素个数
确定频率阈值：
- 从高频到低频累加 count，直到累计的元素数达到 k ，此时的频率即为筛选阈值 i
筛选元素：
- 再次遍历哈希表 hash，将频率大于阈值 i 的元素加入结果数组 res

时间复杂度

统计频率：O(n) ，遍历数组
统计频率分布：O(m) ，m 为哈希表的大小
筛选元素：O(m)

总复杂度：O(n + m) ，其中 m <= n

空间复杂度

哈希表存储频率： O(m)
频率分布数组：O(n)

总复杂度：O(n + m)

C++代码

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30


class Solution
{
public:
    vector<int> topKFrequent(vector<int>& nums, int k)
    {
        // 1. 统计每个元素的频率
        std::unordered_map<int, int> hash;
        for (int num : nums)
            ++hash[num];

        // 2. 统计每个频率的出现次数
        int n = nums.size();
        std::vector<int> count(n + 1);
        for (std::pair<int, int> item : hash)
            ++count[item.second];

        // 3. 找到频率阈值
        int i = n, sum = 0;
        while (sum < k)
            sum += count[i--];

        // 4. 筛选出符合条件的元素
        std::vector<int> res;
        for (std::pair<int, int> item : hash)
            if (item.second > i)
                res.push_back(item.first);

        return res;
    }
};