0347. Top K Frequent Elements

Nhãn: Mảng, Bảng băm, Chia để trị, Sắp xếp theo thùng, Đếm, Lựa chọn nhanh, Sắp xếp, Hàng đợi ưu tiên (Heap)
Độ khó: Trung bình

Tóm tắt đề bài

Mô tả: Cho một mảng số nguyên $n u m s$ và một số nguyên $k$ .

Yêu cầu: Trả về $k$ phần tử phổ biến nhất trong mảng. Có thể trả về kết quả theo bất kỳ thứ tự nào.

Giải thích:

$1 \leq đ ộ d \overset{a}{ˋ} i của mảng nums \leq 1 0^{5}$ .
$k$ có giá trị trong khoảng $[1, s \overset{ˊ}{\overset{o}{ˆ}} l ư ợng ph \overset{ˋ}{\overset{a}{ˆ}} n tử kh \overset{a}{ˊ} c nhau trong mảng]$ .
Đề bài đảm bảo kết quả là duy nhất, nghĩa là tập hợp $k$ phần tử phổ biến nhất trong mảng là duy nhất.

Ví dụ:

Ví dụ 1:

Input: nums = [1,1,1,2,2,3], k = 2
Output: [1,2]

Ví dụ 2:

Input: nums = [1], k = 1
Output: [1]

Ý tưởng giải quyết

Ý tưởng: Bảng băm + Hàng đợi ưu tiên

Sử dụng bảng băm để ghi lại tần số xuất hiện của các phần tử trong mảng.
Sau đó, chuyển bảng băm thành một mảng mới bằng cách loại bỏ các phần tử trùng lặp. Độ phức tạp thời gian là $O (n)$ , độ phức tạp không gian là $O (n)$ .
Sử dụng hàng đợi ưu tiên để xây dựng một hàng đợi ưu tiên, với mức ưu tiên là tần số của phần tử. Lúc này, phần tử đầu hàng đợi ưu tiên chính là phần tử có tần số cao nhất. Độ phức tạp thời gian là $O (n)$ , độ phức tạp không gian là $O (n)$ .
Thêm phần tử đầu hàng đợi ưu tiên vào mảng kết quả và thực hiện thao tác dequeue. Độ phức tạp thời gian là $O (lo g n)$ .
- Thao tác dequeue: Hoán đổi phần tử đầu hàng đợi ưu tiên với phần tử cuối cùng, sau đó loại bỏ phần tử cuối cùng khỏi hàng đợi ưu tiên. Tiếp tục điều chỉnh hàng đợi ưu tiên.
Lặp lại bước 4 cho đến khi kết thúc $k$ lần. Độ phức tạp thời gian điều chỉnh $k$ lần là $O (n \times lo g n)$ .

Ý tưởng 1: Code

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
 
    	# Đếm tần suất xuất hiện của các phần tử
        nums_dict = defaultdict(int)
        for num in nums:
            nums_dict[num] += 1
 
        # Chuyển bảng băm thành mảng mới
        new_nums = list(set(nums))
        size = len(new_nums)
 
        # Xây dựng hàng đợi ưu tiên
        queue = []
        for num in new_nums:
            heapq.heappush(queue, (-nums_dict[num], num))
        
        res = []
        for _ in range(k):
            res.append(heapq.heappop(queue)[1])
        return res

Ý tưởng 1: Phân tích độ phức tạp

Độ phức tạp thời gian: $O (n \times lo g n)$ .
Độ phức tạp không gian: $O (n)$ .

Ý tưởng 2: Dùng thư viện

Dự trên ý tưởng 1, các bước thực hiện của nó hoàn toàn có thể xử lý bởi Counter trong thư viện collections của Python trong 1 dòng lệnh, xem code để rõ hơn.

Ý tưởng 2: Code

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        return [x[0] for x in Counter(nums).most_common(k)]

Ý tưởng 2: Phân tích độ phức tạp

Độ phức tạp thời gian: $O (n \times lo g n)$ .
Độ phức tạp không gian: $O (n)$ .

Hung Nguyen 🧠🌳

Explorer

LeetCode 0347