347. 前 K 个高频元素 python_python前k个高频元素

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。

# 以下为自己学完之后写的版本
import heapq
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        map_ = {}
        for item in nums:
            map_[item] = map_.get(item, 0) + 1
        pri_que = []
        # for (key, freq) in map_: ✖
        for (key, freq) in map_.items():
            if len(pri_que) < k:
                heapq.heappush(pri_que, (freq, key))
            else:
                
                heapq.heappush(pri_que, (freq, key))
                heapq.heappop(pri_que)
                # 必须先push再pop，否则不对。
        return [i[1] for i in pri_que]
 
# # python内置模块 --- heapq：实现了一个小根堆。
# # 模块内常见的操作函数:
# # 1. heapify(x) :    将列表x转换为堆（小根堆）。
# # 2. heappush(heap,item): 将item压入堆中。（heap使存放堆的数组）
# # 3. heappop(heap)： 从堆中弹出最小的项，并将其值返回。
# # heapq堆数据结构最重要的特征是heap[0]永远是最小的元素
# # ————————————————
# # heapq.heapify(list)
# # 将列表转换为最小堆 ，转换完后仍然是列表，所以heapify只是对列表中的元素进行了堆属性的排序
 
# # import heapq
# # res=[7,1,5,4,2,3]
# # print("列表",res,type(res))     #列表 [7, 1, 5, 4, 2, 3] <class 'list'>
# # heapq.heapify(res)
# # print("最小堆",res,type(res))   #最小堆 [1, 2, 3, 4, 7, 5] <class 'list'>
# # ————————————————
# # heapq.heappush(heap, item)
# # 将元素item压入heap堆(列表)中
 
# # import heapq
# # res=[7,1,5,6,2,3]
# # heapq.heapify(res)
# # heapq.heappush(res,8)
# # print("最小堆",res,type(res))   #最小堆 [1, 2, 3, 6, 7, 5, 8] <class 'list'>
# # ————————————————
# # heapq.heappop(heap) 
# # 删除并返回最小值，因为堆的特征是heap[0]永远是最小的元素，所以一般都是删除第一个元素。故，需要先通过heapify(list) 将list转变为heap。
 
# # import heapq
# # res=[7,1,5,6,2,3]
# # print("列表",res,type(res))      #列表 [7, 1, 5, 6, 2, 3] <class 'list'>
# # heapq.heapify(res)
# # min_d=heapq.heappop(res)
# # print(min_d)                     #1
# # print("最小堆",res,type(res))    #最小堆 [2, 5, 3, 6, 7] <class 'list'>
# # ————————————————
 
# #时间复杂度：O(nlogk)
# #空间复杂度：O(n)
# import heapq
# class Solution:
#     def topKFrequent(self, nums: List[int], k: int) -> List[int]:
#         #要统计元素出现频率
#         map_ = {} #nums[i]:对应出现的次数
#         for i in range(len(nums)):
#             map_[nums[i]] = map_.get(nums[i], 0) + 1 
#             # (nums[i], 0)指的是有值则返回值，无值则返回0。
        
#         #对频率排序
#         #定义一个小顶堆，大小为k
#         pri_que = [] #小顶堆
        
#         #用固定大小为k的小顶堆，扫描所有频率的数值
#         for key, freq in map_.items():
#             heapq.heappush(pri_que, (freq, key))
#             if len(pri_que) > k: #如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k
#                 heapq.heappop(pri_que)
#         return [i[1] for i in pri_que]
#         # #找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒序来输出到数组
#         # result = [0] * k
#         # for i in range(k-1, -1, -1):
#         #     result[i] = heapq.heappop(pri_que)[1]
#         # return result