[leetcode-347] Top K Frequent Elements

LeetCode-347

Top K Frequent Elements : Given an integer array nums and an integer k, return the k most frequent elements. You may return the answer in any order.

note : time complexity must be better than O(n log n), where n is the array s size.

Over *

        :::python

class Solution:    def topKFrequent(self, nums: List[int], k: int) -> List[int]:        if len(set(nums))==1:            return [nums[0]]        answer = []        count = collections.Counter(nums).most_common(n=k)        return [i[0] for i in count]

Result : 111ms Memory: 21mb

Top K Frequent Elements

Top K Frequent Elements는 정수 배열에서 가장 빈번하게 등장하는 상위 K개의 원소를 찾는 알고리즘입니다.

예를 들어, [1,1,1,2,2,3]에서 상위 2개의 원소를 찾는다면, 1과 2가 선택됩니다. 1은 3번, 2는 2번 등장하였기 때문입니다.

이 알고리즘은 hash table과 heap을 이용하여 구현할 수 있습니다.

1. hash table

• 정수 배열을 순회하며 원소의 등장 횟수를 저장하는 hash table을 생성합니다.
• 접근 횟수가 많은 상위 K개의 원소를 저장할 결과 배열을 생성합니다.
• hash table에서 가장 등장한 횟수가 큰 원소부터 K개 까지만 결과 배열에 저장합니다.

2. heap

• 정수 배열을 순회하며 원소의 등장 횟수를 저장하는 hash table을 생성합니다.
• hash table을 바탕으로 heap을 생성합니다. heap에는 원소의 등장 횟수를 저장합니다.
• heap에서 상위 K개의 원소를 pop하여 결과 배열에 저장합니다.

이 알고리즘의 시간복잡도는 정수 배열을 순회하는 O(n)과 hash table 또는 heap을 사용하여 원소를 추출하는 O(K log K)입니다. 따라서 전체 시간복잡도는 O(n + K log K)입니다.

위 알고리즘은 빅데이터 분석에서 비즈니스적인 인사이트를 도출하는 등 매우 중요한 역할을 합니다.

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        # Create a hash table to store the frequency of each element
        freq = {}
        for num in nums:
            if num in freq:
                freq[num] += 1
            else:
                freq[num] = 1

        # Sort the hash table by frequency in descending order
        freq = {k: v for k, v in sorted(freq.items(), key=lambda item: item[1], reverse=True)}

        # Select the k elements with the highest frequency
        result = []
        i = 0
        for num, count in freq.items():
            result.append(num)
            i += 1
            if i == k:
                break

        return result