【优先级队列（大顶堆 小顶堆）】【遍历哈希表键值对】Leetcode 347 前K个高频元素

---------------🎈🎈题目链接 Leetcode 347 前K个高频元素🎈🎈-------------------

---

---

1.不同排序法归纳

---

2.大顶堆和小顶堆

堆是一棵完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。

大顶堆和小顶堆——非常适合在数据集中进行求前k个高频或低频结果的操作。如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。

队头	种类
最大	大顶堆（ PriorityQueue从大到小排就是大顶堆）
最小	小顶堆（ PriorityQueue从小到大排就是小顶堆【默认】）

---

3.PriorityQueue操作

1. 创建优先级队列【默认创建小顶堆】：
   PriorityQueue<Integer> priorityQueue = new PriorityQueue<>();
2. 使用自定义比较器创建优先队列【创建大顶堆】：
   PriorityQueue<Integer> customPriorityQueue = new PriorityQueue<>(Collections.reverseOrder());
3. 插入元素： 如果队列已满，则抛出一个IIIegaISlabEepeplian异常
   priorityQueue.add(5);
4. 插入元素： 添加一个元素并返回true ，如果队列已满，则返回false
   priorityQueue.offer(5);
5. 获取队头元素：
   Integer head = priorityQueue.peek();
6. 弹出队头元素：
   Integer removedElement = priorityQueue.poll();
7. 删除指定元素
   priorityQueue.remove(5);
8. 获取队列大小：
   int size = priorityQueue.size();
9. 遍历队列元素：
   for (Integer element : priorityQueue) { System.out.println(element); }
10. 清空队列：
    priorityQueue.clear();

---

4.PriorityQueue的升序（默认）与降序

priority_queue（优先级队列），从小到大排就是小顶堆，从大到小排就是大顶堆。
默认情况下，PriorityQueue的队列是小顶堆（即从小到大【升序】），如果需要大顶堆需要用户提供比较器

// 用户自己定义的比较器：直接实现Comparator接口，然后重写该接口中的compare方法即可
class IntCmp implements Comparator<Integer>{@Overridepublic int compare(Integer o1, Integer o2) {return o2-o1;}
}
public class TestPriorityQueue {public static void main(String[] args) {PriorityQueue<Integer> p = new PriorityQueue<>(new IntCmp());   //自定义类的优先队列需要重写比较类作为传入参数p.offer(4);p.offer(3);p.offer(2);p.offer(1);p.offer(5);System.out.println(p.peek());}
}简化写法：
PriorityQueue<int[]> my = new PriorityQueue<>((o1,o2) -> o1[1] - o2[1])
向优先级队列中传入int[]数组，排序方式根据数组的索引为[1]的元素按照升序排列

默认情况下：Java实现Comparator排序是升序，根据参数，返回值来判断是否交换
✋可参考下面的链接查看Java实现Comparator排序的方式：
🔴 Java中Comparator的升序降序使用博客
🔴 Java comparator 升序、降序、倒序从源码角度理解

---

5.问题解决：找前K个最大的元素 ：踢走最小的（堆顶的），加入比堆顶大的，最终就是最大的K个

1. 将数组中前K个元素建立一个小根堆( PriorityQueue从小到大排就是小顶堆【默认】)
2. 然后用数组中剩下的元素和堆顶元素进行比较。

此时如果比堆顶元素大（说明当前堆中的K个元素一定不是最大的K个），就踢走堆顶的最小的，加入新元素，更新堆顶元素的值，最后比较完数组中剩下的元素，此时堆中就是前K个最大的元素。

---

6.问题解决：找前K个最小的元素 ：维护一个小顶堆，最后从堆顶依次弹出K个，最终就是最小的K个

1. 将数组中全部元素建立一个小根堆 (PriorityQueue从小到大排就是小顶堆【默认】)
2. 弹出K个元素放进结果数组即可。

---

题目347解法

时间复杂度O(NlogK)
空间复杂度O(N)

1 使用hashMap存储key和value，key是元素，value是元素出现次数：
HashMap<Integer, Integer> myhashmap = new HashMap<>()
🔴for(int num:nums){myhashmap.put(num, getOrDefault(num, 0)+1);}

2 初始化优先级队列
在优先队列中存储int[ ]，int[ ] 的第一个元素代表数组的值，第二个元素代表了该值出现的次数。
自定义比较器按照出现次数，从队头到队尾的顺序是从小到大排（升序）,出现次数最低的在队头(相当于小顶堆)
⭐️⭐️ ⭐️可以记住(o1,o2) -> o1-o2 代表从队顶开始升序排序⭐️⭐️⭐️
⭐️⭐️ ⭐️可以记住(o1,o2) -> o1-o2 代表从队顶开始升序排序⭐️⭐️⭐️
⭐️⭐️ ⭐️可以记住(o1,o2) -> o1-o2 代表从队顶开始升序排序⭐️⭐️⭐️

🔴 PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);

自定义比较器：(pair1, pair2) -> pair1[1] - pair2[1]
pair1和pair2都是整型数组int[ ]， pair1[1] - pair2[1]表示比较的是两个整形数组中的第二个元素，且表示升序排序
*Comparator接口说明:
返回负数，形参中第一个参数排在前面（队头）；返回正数，形参中第二个参数排在前面（队头）
⭐️⭐️ ⭐️可以记住(o1,o2) -> o1-o2 代表从队顶开始升序排序⭐️⭐️⭐️

3 使用map.entrySet() 获取key-value的set集合

for (Map.Entry<Integer, Integer> entry : map.entrySet()) {// 循环体
}

🔴map.entrySet(): 是 Map 接口中的一个方法，它返回一个键值对Set<Map.Entry<K, V>>。map 是一个实现了 Map 接口的对象，比如 HashMap 或 TreeMap。调用 entrySet() 方法会返回一个包含 Map.Entry 对象的集合。每个 Map.Entry 对象代表了 Map 中的一个键值对。

Map.Entry接口：Map.Entry 是 Java 中的一个接口，用于表示映射（Map）中的一个键值对。在 Java 中，Map 存储的是键值对的集合，而 Map.Entry 就是这个键值对的表示。Map.Entry 接口定义了一些方法，允许你访问键和值。

Map.Entry<Integer, Integer> entry: 这是增强的 for 循环的声明部分。在每次迭代中，entry 变量会被赋值为 map.entrySet() 中的一个元素，即一个键值对。

for (Map.Entry<Integer, Integer> entry : map.entrySet()) { ... }: 这是增强的 for 循环的语法，用于遍历 map.entrySet() 返回的集合中的每个元素。在循环体中，你可以使用 entry 变量来访问键和值。

举例来说，如果 map 是一个 HashMap，它包含整数键key和整数值value的映射，那么在这个循环中，**entry.getKey()**就是当前键值对的key，**entry.getValue()** 就是当前键值对的value。这种语法的好处是，它简化了遍历 Map 的过程，使得代码更加简洁，不需要显式地使用迭代器。

具体代码实现：
【程序采用判断进行，当优先队列大小小于K的时候将键值对无脑加入，大于的时候进行判断】
（判断如果当前要添加的 myentry.getValue() 大于队列顶部元素 mypriorityqueue.peek()[1] 那就弹出队列元素，添加当前的键值对入队）

class Solution {public int[] topKFrequent(int[] nums, int k) {// 初始化hashmap：用于整理统计数据和重复的元素 key：元素  value：元素出现的次数HashMap<Integer,Integer> myhashmap = new HashMap<>();// 增强for循环 将nums中数据遍历汇总到hashmap中for(int num:nums){myhashmap.put(num, myhashmap.getOrDefault(num,0)+1);}// 首先用优先级队列维护一个小顶堆 如果新元素大于堆顶元素就弹出堆顶，加入新元素PriorityQueue<int[]> mypriorityqueue = new PriorityQueue<>((o1, o2)->o1[1]-o2[1]);// 答案数组result[]int[] result = new int[k];// 遍历hashmap的键值对for(Map.Entry<Integer,Integer> myentry : myhashmap.entrySet()){// 维护一个大小为k的小顶堆,如果优先级队列中小于K个元素，那么就无脑加入就行 等于k就需要判断了if(mypriorityqueue.size() < k){mypriorityqueue.add(new int[]{myentry.getKey(),myentry.getValue()});}// 如果超过k那就要比一下是不是比堆顶元素大，如果大那么就弹出队列元素（即为目前队列中最小的）else{ if(myentry.getValue() > mypriorityqueue.peek()[1]){mypriorityqueue.poll();mypriorityqueue.add(new int[]{myentry.getKey(),myentry.getValue()});}}}for(int i = k-1; i>=0; i--){result[i] = mypriorityqueue.poll()[0];}return result;}
}

---

革新1：🔴for (var x : map.entrySet()) ：
在这个上下文中，var 是 Java 10 引入的局部变量类型推断的关键字。它可以在声明变量时根据赋值语句的类型自动推断变量的类型。在这里，var 被用于迭代 map.entrySet()，其中map.entrySet()返回的是一个Set<Map.Entry<K, V>>类型。

var x 实际上是推断为 Map.Entry<Integer, Integer> 类型，这使得 x.getKey() 和 x.getValue() 方法能够被正确调用

注意，使用 var 的情况下，编译器会根据上下文推断变量的实际类型，因此程序员无需手动指定类型。这在简化代码并提高可读性方面有一些好处，但有时也可能导致可读性下降，特别是在复杂的代码中。

革新2：
Queue使用时要尽量避免Collection的add()和remove()方法，add()和remove()方法在失败的时候会抛出异常。
🔴使用offer()来加入元素，使用poll()来获取并移出元素。

【程序采用先添加进优先队列，判断队列中超过k后再弹出】

class Solution {public int[] topKFrequent(int[] nums, int k) {// 初始化hashmap：用于整理统计数据和重复的元素 key：元素  value：元素出现的次数HashMap<Integer,Integer> myhashmap = new HashMap<>();// 增强for循环 将nums中数据遍历汇总到hashmap中for(int num:nums){myhashmap.put(num, myhashmap.getOrDefault(num,0)+1);}// 首先用优先级队列维护一个小顶堆 如果新元素大于堆顶元素就弹出堆顶，加入新元素PriorityQueue<int[]> mypriorityqueue = new PriorityQueue<>((o1, o2)->o1[1]-o2[1]);// 答案数组result[]int[] result = new int[k];// 遍历hashmap的键值对for(var x : myhashmap.entrySet()){// 利用var局部变量类型推断的关键字，获取map.entrySet()返回的Map.Entry<Integer,Integer>// 可用getKey() 和 getValue()方法获取key和valueint[] temp =  new int[2];temp[0] = x.getKey();temp[1] = x.getValue();// 采用offer向队列中添加元素,如果队列满就会返回false，就不会和add()方法一样报错了mypriorityqueue.offer(temp);// 先添加后判断大小，如果超过k那就要就弹出队列中最小的元素if(mypriorityqueue.size()>k){mypriorityqueue.poll();}}for(int i = k-1; i>=0; i--){result[i] = mypriorityqueue.poll()[0];}return result;}
}