题目描述

• 时间复杂度小于O(n*logn)，否则直接sort，再遍历就很轻松。
• 很有学习价值的题目，第一次使用了优先队列PriorityQueue。
  

思路 & 代码

• 首先遍历数组，用HashMap存储 元素值 - 频率 映射
• 然后维护一个容量为 k 的小顶堆（重写比较器，注意写法），遍历哈希表存入小顶堆中
• 接着把最终的小顶堆存入数组即可

class Solution {// TreeMap重写comparator？public int[] topKFrequent(int[] nums, int k) {// 先用HashMap存储 元素 - 频率 映射 O(n) O(n)Map<Integer, Integer> hashmap = new HashMap();for(int i = 0; i < nums.length; i++){if(hashmap.containsKey(nums[i])){hashmap.put(nums[i], hashmap.get(nums[i]) + 1);}else{hashmap.put(nums[i], 1);}}// PriorityQueue, 维护一个容量为k的优先队列：小顶堆PriorityQueue<Integer> pq = new PriorityQueue<>(new Comparator<Integer>(){// 设定以频率分高下@Overridepublic int compare(Integer key1, Integer key2){return hashmap.get(key1) - hashmap.get(key2);}});// 遍历哈希表，轮流对比存入优先队列中 O(n)for(Integer key : hashmap.keySet()){// 未满情况if(pq.size() < k){pq.add(key);}// 满了情况，对比替换else if(hashmap.get(key) > hashmap.get(pq.peek())){// 移头，新增pq.remove();pq.add(key);}}// 获取答案 O(n)int[] ans = new int[k];for(int i = 0; i < k; i++){ans[i] = pq.remove();}return ans;}
}

更新版：引入 stream 流 + Lambda

class Solution {public int[] topKFrequent(int[] nums, int k) {Map<Integer, Integer> map = new HashMap<>();for(int temp : nums) {if(map.containsKey(temp)) {map.put(temp, map.get(temp) + 1);}else {map.put(temp, 1);}}PriorityQueue<Integer> queue = new PriorityQueue<>((Integer a, Integer b) -> (map.get(a) - map.get(b)));for(Map.Entry<Integer, Integer> entry : map.entrySet()) {if(queue.size() < k) {queue.add(entry.getKey());}else if(entry.getValue() > map.get(queue.peek())) {queue.remove();queue.add(entry.getKey());}}return queue.stream().mapToInt(Integer::valueOf).toArray();}
}