LeetCode 题解:347. 前 K 个高频元素,二叉堆,JavaScript,详细注释
发布于: 2021 年 01 月 01 日
原题连接:https://leetcode-cn.com/problems/top-k-frequent-elements/
解题思路:
该题可使用[堆](https://en.wikipedia.org/wiki/Heap(datastructure))解决,利用了堆能够快速插入和取出元素,并始终能够按要求排序的特点。
创建一个大顶堆,元素按照出现的频次由大到小排序。
遍历数组,统计所有元素出现的频次。
将频次与元素一起存入堆中,所有元素都插入之后,都已按照要求排序。
从堆中取出 k 次堆顶元素并返回,每次取出后堆还会保持由大到小的排序。
/**
* @param {number[]} nums
* @param {number} k
* @return {number[]}
*/
var topKFrequent = function (nums, k) {
let result = []; // 存储结果
let map = new Map(); // 用于统计元素出现频次
// 使用堆将元素按出现频次从大到小排序
let heap = new BinaryHeap((a, b) => b[1] - a[1]);
// 遍历数组,统计元素出现的频次,并将其存入Map
for (let i = 0; i < nums.length; i++) {
map.has(nums[i])
? map.set(nums[i], map.get(nums[i]) + 1)
: map.set(nums[i], 1);
}
// 将统计好的元素与频次取出,依次插入堆进行排序
for (const element of map) {
heap.insert(element);
}
// 从堆中依次取出k个元素,存入结果
for (let i = 0; i < k; i++) {
result.push(heap.deleteHead()[0]);
}
return result;
};
class BinaryHeap {
constructor(compare) {
this.data = []; // 使用数组存储堆
this.compare = compare; // 堆元素的排序函数
}
// 获取堆的元素数量
size() {
return this.data.length;
}
// 向堆中插入多个元素
insertMultiple(arr) {
for (let i = 0; i < arr.length; i++) {
this.insert(arr[i]);
}
}
// 向堆插入元素
insert(value) {
this.insertAt(this.data.length, value);
}
// 将元素插入到index位置
insertAt(index, value) {
// 先将元素插入到指定的位置
this.data[index] = value;
let fatherIndex = index;
// 对比当前节点与其父节点,如果当前节点更小就交换它们
// Math.floor((index - 1) / 2)是父节点在数组中的索引
while (
index > 0 &&
// 使用compare比较大小
this.compare(
value,
this.data[(fatherIndex = Math.floor((index - 1) / 2))],
) < 0
) {
// 将父节点移动到当前位置
this.data[index] = this.data[fatherIndex];
// 将插入的值移动到父节点位置
this.data[fatherIndex] = value;
// 更新索引为父节点索引,继续下一次循环
index = fatherIndex;
}
}
// 删除最大节点
deleteHead() {
return this.delete(0);
}
// 将指定位置的元素删除
delete(index) {
// 如果堆为空,则不进行删除操作
if (this.data.length === 0) {
return;
}
let value = this.data[index]; // 将要删除的元素缓存
let parent = index; // 以当前元素为起始,向下整理堆
// 不断向子节点整理堆,每次循环将子节点中经过compare方法对比后较大者与父节点调换
while (parent < this.data.length) {
let left = parent * 2 + 1; // 左子节点索引
let right = parent * 2 + 2; // 右子节点索引
// 没有左子节点,表示当前节点已经是最后一个节点
if (left >= this.data.length) {
break;
}
// 没有右子节点,则直接将左子节点提前到父节点即可
// 该左子节点即为最后一个节点
if (right >= this.data.length) {
this.data[parent] = this.data[left];
parent = left;
break;
}
// 使用compare方法比较左右子节点的大小,更大的补到父节点
if (this.compare(this.data[left], this.data[right]) < 0) {
// 由于被删除的节点已保存,此处只需要将子节点复制到当前父节点即可
this.data[parent] = this.data[left];
// 完成移动后将父节点指针移动到子节点,供下一次整理使用
parent = left;
} else {
this.data[parent] = this.data[right];
parent = right;
}
}
// 查看最后的空位是不是最后的叶子节点
if (parent < this.data.length - 1) {
// 如果还未整理到叶子节点,则继续向下整理
this.insertAt(parent, this.data.pop());
} else {
// 当完成整理时,最后一个节点即为多于元素,直接弹出数组即可
this.data.pop();
}
// 返回被删除的元素
return value;
}
// 读取堆顶元素
peek() {
return this.data[0];
}
// 读取所有堆元素
getData() {
return this.data;
}
}
复制代码
划线
评论
复制
发布于: 2021 年 01 月 01 日阅读数: 16
版权声明: 本文为 InfoQ 作者【Lee Chen】的原创文章。
原文链接:【http://xie.infoq.cn/article/f7d5bd3524dd1d6acc26892ae】。文章转载请联系作者。
Lee Chen
关注
还未添加个人签名 2018.08.29 加入
还未添加个人简介
评论