leetcode-692 前K個高頻單詞 Python優先佇列的使用

解題思路

1. hash+sort
   統計每個單詞出現的頻率，然後對字典進行自定義排序，自定義排序操作

sorted(word_dict.items(),key=functools.cmp_to_key(comp))

1. hash+priorityqueue
   統計每個單詞出現的頻率，使用優先佇列來進行排序
   題中出現前K大，或者前K小都可以通過優先佇列實現logn複雜度的計算，堆排序在堆頂取出元素的複雜度是\(O(1)\),堆排序的過程時間複雜度是\(O(logn)\)

python中優先佇列的使用

• heapq

  heapq是二叉堆，用普通列表實現，可以獲取和插入最小值，只提供最小堆，因此必須新增額外步驟保證排序穩定性

import heapq
q = []

heapq.heappush(q, (2, 'a'))
heapq.heappush(q, (1, 'b'))
heapq.heappush(q, (3, 'c'))

while q:
    next_item = heapq.heappop(q)
    print(next_item)

• PriorityQueue

  PriorityQueue是通過heapq實現的，時間複雜度同heapq相同，添加了同步機制
  優先佇列排序時，預設是小頂堆，預設按照第一個值的大小排列，如果第一個值相同，預設按照第二個值的升序排列

from queue import PriorityQueue
q = PriorityQueue()

q.put((2, 'a'))
q.put((1, 'b'))
q.put((3, 'c'))

while not q.empty():
    next_item = q.get()
    print(next_item)
 

程式碼

• hash+priorityqueue

from queue import PriorityQueue
class Solution:
    def topKFrequent(self, words, k: int):
        q=PriorityQueue()
        word_dict={}
        for item in words:
            if item in word_dict:
                word_dict[item]+=1
            else:
                word_dict[item]=1
        for item in word_dict.items():
            q.put((-item[1],item[0]))
        res=[]
        for i in range(k):
            res.append(q.get()[1])
        return res
 

• hash+sort

import functools
class Solution:
    def topKFrequent(self, words, k: int):
        word_dict={}
        for item in words:
            if item in word_dict:
                word_dict[item]+=1
            else:
                word_dict[item]=1
        def comp(x,y):
            if x[1]>y[1]:
                return -1
            elif x[1]==y[1]:
                if x[0]<y[0]:
                    return -1
                else:
                    return 1
            else:
                return 1
        res=sorted(word_dict.items(),key=functools.cmp_to_key(comp))
        return  [item[0] for item in res[:k]]