符合中小企业对网站设计、功能常规化式的企业展示型网站建设
本套餐主要针对企业品牌型网站、中高端设计、前端互动体验...
商城网站建设因基本功能的需求不同费用上面也有很大的差别...
手机微信网站开发、微信官网、微信商城网站...
本篇内容介绍了“Python前K个高频元素怎么实现”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
成都创新互联公司-专业网站定制、快速模板网站建设、高性价比金坛网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式金坛网站制作公司更省心,省钱,快速模板网站建设找我们,业务覆盖金坛地区。费用合理售后完善,10多年实体公司更值得信赖。
给定一个非空的整数数组,返回其中出现频率前 k 高的元素。
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:
你可以假设给定的 k 总是合理的,且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于 O(n log n) , n 是数组的大小。
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。
你可以按任意顺序返回答案。
首先审题,题目要求给定非空数组,求出频率前 k 高的元素。提示中说明,算法时间复杂度要优于 O(nlogn),又因为只需返回前 k 个频率最高的元素,那么我们借助堆的思路,对于频率 k 之后的不做处理,进而将时间复杂度优化到 O(nlogk)。
那么具体的做法如下:
先用哈希表统计元素出现的次数;
建立一个最小堆,维护最小堆:
当堆中元素数目小于 k,这里直接将元素插入;
若堆中元素数目等于 k 时,这个时候要将新元素出现频率与堆顶元素出现频率进行比较。若新元素出现频率大于堆顶元素,那么弹出,插入新元素。
最终,堆中的 k 个即是要求的答案。
具体代码实现如下(这里直接使用了 heapq 模块)。
from typing import List class Solution: def topKFrequent(self, nums: List[int], k: int) -> List[int]: hash_map = {} # 哈希表统计元素出现频率 for num in nums: if num not in hash_map: hash_map[num] = 0 hash_map[num] += 1 # 建立最小堆,存储频率最大的 k 个元素 import heapq pq = [] for key in hash_map: if len(pq) < k: heapq.heappush(pq, (hash_map[key],key)) elif hash_map[key] > pq[0][0]: heapq.heapreplace(pq, (hash_map[key],key)) # 取出最小堆中的元素 res = [] while pq: res.append(pq.pop()[1]) return res # nums = [3,0,1,0] # nums = [4,1,-1,2,-1,2,3] # k = 2 # solution = Solution() # print(solution.topKFrequent(nums, k))
“Python前K个高频元素怎么实现”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!