数据结构 玩转数据结构 8-7 Leetcode上优先队列相关问题

0　　　　课程地址

https://coding.imooc.com/lesson/207.html#mid=13744

1　　　　重点关注

1.1　　　　用手写的最大堆实现取前k个高频元素问题

见3.1

1.2　　　　自定义compare

compare有默认的，但是也可以自定义，参考3.1

1.3　　　　比较map的value的内部类

参考3.1

2　　　　课程内容

3　　　　Coding

3.1　　　　LeetCode 347问题   取前K个高频元素（手写堆实现）

• 需求

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。

 

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]

 

提示：

    1 <= nums.length <= 105
    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

 

进阶：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。

来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/top-k-frequent-elements

• 设计思路：

组成一个元素数量为k的堆，进行上浮下沉，复杂度为O(nlogk),优于O(nlogn)

• coding:

import java.util.HashMap;
import java.util.Map;

/**
 * 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。
 * 使用自己实现的堆（最大堆来实现）
 * @author weidoudou
 * @date 2023/1/12 7:34
 **/
class Solution {
    /**
     * warning 定义这个类，是为了仿照Map进行比较
     * @author weidoudou
     * @date 2023/1/13 6:56
     **/
    private class MapInnerClass implements Comparable<MapInnerClass>{
        private int key,value;

        public MapInnerClass(int key,int value){
            this.key = key;
            this.value = value;
        }

        /**
         * waring这边好好理解下，这里定义的应该是最小堆（把最大堆组装成了map根据value比较的最小堆），这块
         * 用于两部分，1部分是上浮下沉操作，2部分是71行外部比较
         * @author weidoudou
         * @date 2023/1/13 7:17
         * @param o 请添加参数描述
         * @return int
         **/
        @Override
        public int compareTo(MapInnerClass o) {
            if(this.value<o.value){
                return 1;
            }else if(this.value>o.value){
                return -1;
            }else{
                return 0;
            }
        }
    }

public class PriorityQueue<E extends Comparable<E>> implements Queue<E>{

    //完全二叉堆
    private MaxHeap<E> maxHeap;

    public PriorityQueue(){
        maxHeap = new MaxHeap();
    }

    @Override
    public int getSize() {
        return maxHeap.size();
    }

    @Override
    public boolean isEmpty() {
        return maxHeap.isEmpty();
    }

    @Override
    public void enqueue(E e) {
        maxHeap.shiftup(e);
    }

    @Override
    public E dequeue() {
        return maxHeap.remove();
    }

    @Override
    public E getFront() {
        return maxHeap.findMax();
    }
}


/**
 * 优先队列接口
 * @author weidoudou
 * @date 2023/1/11 5:46
 **/
public interface Queue <E>{

    /**
     * 获取大小
     * @author weidoudou
     * @date 2023/1/11 5:46
     * @return int
     **/
    int getSize();

    /**
     * 是否为空
     * @author weidoudou
     * @date 2023/1/11 5:46
     * @return boolean
     **/
    boolean isEmpty();

    /**
     * 入队操作
     * @author weidoudou
     * @date 2023/1/11 5:47
     * @param e 请添加参数描述
     * @return void
     **/
    void enqueue(E e);

    /**
     * 出队操作
     * @author weidoudou
     * @date 2023/1/11 5:48
     * @return E
     **/
    E dequeue();

    /**
     * 取出堆顶元素
     * @author weidoudou
     * @date 2023/1/11 5:48
     * @param
     * @return E
     **/
    E getFront();
}

/**
 * 最大堆
 * @author weidoudou
 * @date 2023/1/3 12:35
 **/
public class MaxHeap<E extends Comparable<E>> {
    private Array<E> data;

    public MaxHeap(){
        data = new Array<E>();
    }

    public MaxHeap(int capacity){
        data = new Array<E>(capacity);
    }

    /**
     * heapify 将数组转化为堆(将数组可以看作完全二叉堆)
     * @author weidoudou
     * @date 2023/1/10 7:34
     * @param arr 请添加参数描述
     * @return null
     **/
    public MaxHeap(E[] arr){
        data = new Array<>(arr);
        for(int i = getParent(arr.length-1);i>=0;i--){
            siftDown(i);
        }
    }

    /**
     * 获取最大堆的元素个数
     * @author weidoudou
     * @date 2023/1/3 12:40
     * @return int
     **/
    public int size(){
        return data.getSize();
    }

    /**
     * 获取最大堆是否为空
     * @author weidoudou
     * @date 2023/1/3 12:41
     * @return boolean
     **/
    public boolean isEmpty(){
        return data.isEmpty();
    }

    /**
     * 最大堆新增元素
     * 1    先加入到最大二叉堆实现的 队列中
     * 2    把新加入的元素和父元素对比，若大于父元素，则和父元素交换位置，以此为循环
     * @author weidoudou
     * @date 2023/1/3 12:42
     * @param e 请添加参数描述
     * @return void
     **/
    public void shiftup(E e){
        //1    先加入到最大二叉堆实现的 队列中
        data.addLast(e);

        if(data.getSize()==1){
            return;
        }

        //2    把新加入的元素和父元素对比，若大于父元素，则和父元素交换位置，以此为循环
        int k = data.getSize()-1;
        loop(k,getParent(k));
    }

    /**
     * 递归调用
     * @author weidoudou
     * @date 2023/1/4 8:09
     * @param k 请添加参数描述
     * @param  j 请添加参数描述
     * @return void
     **/
    private void loop(int k,int j){
        //终止条件
        //由于j是父节点，索引总是比较小，如果小于等于0，说明已经是根节点
        if(j<0||k<=0||k>data.getSize()-1){
            return;
        }

        //最终循环的位置是该元素小于父元素
        if(data.get(k).compareTo(data.get(j))<=0){
            return;
        }

        //子元素和父元素交换位置
        data.swap(k,j);

        //循环
        loop(j,(j-1)/2);
    }

    /**
     * 基本方法获取父节点
     * @author weidoudou
     * @date 2023/1/4 7:54
     * @param child 请添加参数描述
     * @return int
     **/
    private int getParent(int child){
       if(child==0){
           throw new IllegalArgumentException("当前节点为根节点");
       }
        return (child - 1) / 2;
    }

    /**
     * 基本方法获取左子节点
     * @author weidoudou
     * @date 2023/1/4 7:56
     * @param parent 请添加参数描述
     * @return int
     **/
    private int getLeftChild(int parent){
        return 2 * parent + 1;
    }

    /**
     * 基本方法获取右子节点
     * @author weidoudou
     * @date 2023/1/4 7:56
     * @param parent 请添加参数描述
     * @return int
     **/
    private int getRightChild(int parent){
        return 2 * parent + 2;
    }

    /**
     * 最大堆元素的下沉（删除堆顶元素）
     * @author weidoudou
     * @date 2023/1/5 7:59
     * @return void
     **/
    public E remove(){
        //1     校验
        E temp = findMax();

        //2     删除元素（堆顶和堆的最小值进行交换，删除最大值后，递归堆顶的最小元素和左右子节点比较）
        //2.1   特殊化处理，如果只有一个元素
        int size = data.getSize();

        //2.2   多个元素
        //2.2.1 首尾交换
        data.swap(0,size-1);
        //2.2.2 删除堆的最大元素
        data.removLast();
        //2.2.3 递归调用比较堆顶和左右子节点
        siftDown(0);
        return temp;
    }

    /**
     * 递归调用比较堆顶和左右子节点
     * @author weidoudou
     * @date 2023/1/5 8:15
     * @param i 请添加参数描述
     * @return void
     **/
    private void siftDown(int i){
        int j = getLeftChild(i);//左子节点索引
        int k = getRightChild(i);//右子节点索引
        //1 终止条件
        //1.1   无左子节点
        if(j>data.getSize()-1){
            return;
        }

        //1.2   左子节点一定有,若左子节点大于根节点，则比较右子节点和左子节点，否则，比较右子节点和根节点
        if(data.get(j).compareTo(data.get(i))>0){//无右子节点或者左子节点比右子节点要大，则交换左子节点和父节点
            if(k>data.getSize()-1||data.get(j).compareTo(data.get(k))>0){
                data.swap(i,j);
                siftDown(j);
            }else{//左右节点都有并且右子节点大于左子节点
                data.swap(i,k);
                siftDown(k);
            }
        }else{//右节点存在并且父节点小于右节点，更换位置，否则不更换
            if(k<=data.getSize()-1&&data.get(i).compareTo(data.get(k))<0){
                data.swap(i,k);
                siftDown(k);
            }
        }
    }

    /**
     * 取出堆顶元素
     * @author weidoudou
     * @date 2023/1/10 7:10
     * @param
     * @return E
     **/
    public E findMax(){
        if(isEmpty()){
            throw new IllegalArgumentException("堆为空");
        }
        return data.get(0);
    }

    /**
     * 替换元素：把堆顶最大的元素取出返回，堆顶放入传过来的元素，然后进行下沉。O(logN)
     * 这样比先删，在加2O(logN)复杂度小了一倍
     * @author weidoudou
     * @date 2023/1/10 7:07
     * @param e 请添加参数描述
     * @return E
     **/
    public E replace(E e){
        E temp = findMax();
        data.set(0,e);
        siftDown(0);
        return temp;
    }
}

public class Array<E> {
    private int size;
    //int类型的数组
    private E[] data;


    //1.1　　创建构造函数，传入容量，则新生成一个数组
    public Array(int capacity){
        data = (E[]) new Object[capacity];
        size = 0;
    }

    //1.2　　创建无参构造函数
    public Array(){
        this(10);
    }



    public Array(E[] arr){
        data = (E[]) new Object[arr.length];
        for(int i = 0;i<arr.length;i++){
            data[i] = arr[i];
        }
        size = arr.length;
    }

    //2.1　　添加getSize,获取数组元素个数
    public int getSize(){
        return size;
    }

    //2.2　　添加getCapacity,获取数组容量
    public int getCapacity(){
        return data.length;
    }

    //2.3　　添加数组是否为空方法
    public boolean isEmpty(){
        return size==0;
    }

    //3.1　　在数组末尾添加元素
    public void addLast(E e){
        addElement(size,e);
    }

    //3.2　　在数组起始添加元素
    public void addFirst(E e){
        addElement(0,e);
    }

    //3.3　　数组根据索引添加元素
    public void addElement(int index,E e){
        //1     校验异常
        //1.1   如果数组已经满了，则禁止插入
        if(size== data.length){

            //todo 并不会，需要把值一条一条的赋进来
            resize(2*size);
            //throw new IllegalArgumentException("数组已满，禁止插入");
        }

        //1.2   如果传入的索引在已有数组的索引之外，则校验异常
        if(index<0||index>size){
            throw new IllegalArgumentException("索引应在已有数组的索引之间");
        }

        //2     实现根据索引添加元素的逻辑
        //2.1   data同步
        for(int j = size-1;j>=index;j--){
            data[j+1] = data[j];
        }
        data[index] = e;

        //2.2   size同步
        size++;
    }

    //6.1     数组动态伸缩 这里用size更好，想想为什么
    private void resize(int capacity){
        E[] newData = (E[]) new Object[capacity];
        for(int i = 0;i < size;i++){
            newData[i] = data[i];
        }
        data = newData;
    }

    //4.1     数组 toString 范例
    @Override
    public String toString() {
        StringBuffer stringBuffer = new StringBuffer();
        stringBuffer.append(String.format("Array:size = %d,capacity = %d\n",size,data.length));

        stringBuffer.append("[");
        for(int i=0;i<size;i++){
            stringBuffer.append(data[i]);
            if(i!=size-1){
                stringBuffer.append(",");
            }
        }
        stringBuffer.append("]");
        return stringBuffer.toString();
    }

    //4.2     get获取元素
    public E get(int index){
        if(index<0||index>data.length){
            throw new IllegalArgumentException("111");
        }
        return data[index];
    }

    //4.3       set获取元素
    public void set(int index,E e){
        if(index<0||index>data.length){
            throw new IllegalArgumentException("111");
        }
        data[index] = e;
    }

    //5.1     数组包含
    public boolean contails(E e){
        for(int i = 0;i<size;i++){
            if(e.equals(data[i])){
                return true;
            }
        }
        return false;
    }

    //5.2     数组搜索
    public int search(E e){
        for(int i = 0;i<size;i++){
            if(e.equals(data[i])){
                return i;
            }
        }
        return -1;
    }

    //5.3     数组删除，通常情况下做删除，会在出参把删除的值带出来
    public E remove(int index){
        if(index<0||index>=size){
            throw new IllegalArgumentException("111");
        }

        E outParm = data[index];
        for(int i=index;i<size-1;i++){
            data[i] = data[i+1];
        }
        //这块不塞值也没有任何影响，因为size已经--了，不会访问到size之外的元素
        data[size-1]= null;
        size--;

        if(size == data.length/2){
            resize(data.length/2);
        }

        return outParm;
    }

    //5.4       删除首个元素
    public E removFirst(){
        return remove(0);
    }

    //5.5       删除最后的元素
    public E removLast(){
        return remove(size-1);
    }

    //5.6       删除指定的元素
    public void removElement(E e){
        int index = -1;
        //判断删除的元素是否存在
        for(int i=0;i<size;i++){
            if(e.equals(data[i])){
                index = i;
                break;
            }
        }
        if(index>=0){
            remove(index);
        }else{
            throw new IllegalArgumentException("删除的元素未找到");
        }
    }

    /**
     * 交换元素位置
     * @author weidoudou
     * @date 2023/1/4 8:19
     * @param k 请添加参数描述
     * @param  j 请添加参数描述
     * @return void
     **/
    public void swap(int k,int j){
        if(k<0||j<0||k>=size||j>=size){
            throw new IllegalArgumentException("索引不正确");
        }
        E temp = data[k];
        data[k]  = data[j];
        data[j] = temp;
    }


}

public int[] topKFrequent(int[] nums, int k) {
        //1  定义内部类，用于实现比较方法


        //2   使用自己的优先队列实现这块功能
        //2.1   使用映射，频率放入value
        Map<Integer,Integer> hashMap3 = new HashMap<Integer,Integer>();
        for(int i=0;i<nums.length;i++){
            if(hashMap3.containsKey(nums[i])){
                hashMap3.put(nums[i],hashMap3.get(nums[i])+1);
            }else{
                hashMap3.put(nums[i],1 );
            }
        }

        //2.2   hashMap循环，取出前k个值放入堆中，大于k的部分和堆顶元素比较
        PriorityQueue<MapInnerClass> priorityQueue  = new PriorityQueue<>();

        //warning，这里不能用for循环 int i = 0,因为映射中的key值无法确定
        for(int key: hashMap3.keySet()){
            if(priorityQueue.getSize()<k){
                priorityQueue.enqueue(new MapInnerClass(key,hashMap3.get(key)));
            }else{
                MapInnerClass temp = new MapInnerClass(key,hashMap3.get(key));
                //如果 堆首的元素 比 外部的元素小，那么进行出堆入堆
                if(priorityQueue.getFront().compareTo(temp)>0){
                    priorityQueue.dequeue();
                    priorityQueue.enqueue(temp);
                }
            }
        }

        int [] result = new int[k];
        for(int i = 0;i<k;i++){
            result[i] = priorityQueue.dequeue().key;
        }
        return result;
    }
}

• 解题结果：