top k 問題是面試中非常常考的演算法題。
8leetcode 上這兩題大同小異，這裡以第一題為例。
題意：有同學覺得這題特別簡單，但其實這題只是母題，它可以公升級到系統設計層面來問：給一組詞，統計出現頻率最高的 k 個。
比如說 「i love leetcode, i love coding」 中頻率最高的 2 個就是 i 和 love 了。
在某電商**上，過去的一小時內賣出的最多的 k 種貨物。我們先看演算法層面:
思路：統計下所有詞的頻率，然後按頻率排序取最高的前 k 個唄。
細節：用 hashmap 存放單詞的頻率，用 minheap/maxheap 來取前 k 個。
實現：建乙個hashmap
這一步時間複雜度是 o(n).
用 size = k 的 minheap 來存放結果，定義好題目中規定的比較順序
a. 首先按照出現的頻率排序；
b. 頻率相同時，按字母順序。
遍歷這個 map，如果
a. minheap 裡面的單詞數還不到 k 個的時候就加進去；
b. 或者遇到更高頻的單詞就把它替換掉。
時空複雜度分析：
第一步是 o(n)，第三步是 nlog(k)，所以加在一起時間複雜度是 o(nlogk).
用了乙個額外的 heap 和 map，空間複雜度是 o(n).
**：
class
solution
// step 2
priorityqueue> minheap = new priorityqueue<>(k+1, new comparator>()
return e1.getvalue().compareto(e2.getvalue());
}});
// step 3
listres = new arraylist<>();
for(map.entryentry : map.entryset())
}while(!minheap.isempty())
collections.reverse(res);
return res;}}
BFPRT演算法（TOP K問題）
在一大堆數中求其前k大或前k小的問題，簡稱top k問題。而目前解決top k問題最有效的演算法即是bfprt演算法，其又稱為中位數的中位數演算法，該演算法由blum floyd pratt rivest tarjan提出，最壞時間複雜度為o n 在首次接觸top k問題時，我們的第一反應就是可以先...
Top K演算法問題的實現
前奏 中，後來為了論證類似快速排序中partition的方法在最壞情況下，能在o n 的時間複雜度內找到最小的k個數，而前前後後updated了10餘次。所謂功夫不負苦心人，終於得到了乙個想要的結果。簡單總結如下 詳情，請參考原文第三章 1 randomized select，以序列中隨機選取乙個元...
資料排序之TopK問題
前言 在大規模資料處理中，常遇到的一類問題是，在海量資料中找出出現頻率最高的前k個數，或者從海量資料中找出最大的前k個數，這類問題通常稱為 topk 問題 解決思路 針對topk類問題，通常比較好的方案是 分治 trie樹 hash 小頂堆 即先將資料集按照hash演算法分解成多個小資料集，然後使用...