## 优先队列
本质是二叉堆(Binary Heap)的结构,利用一个数组结构来实现完全二叉树。
![](https://img.kancloud.cn/b9/ca/b9ca8b099c6f7e1f9f66299caf010b03_630x700.png)
其中队列的优先级是可以自定义的。
### 特性
数组第一个元素array[0]优先级最高;
给定一个下标i,对于array[i]而言:
* 父节点下标: (i-1)/2
* 左侧节点下标:2*i + 1
* 右侧节点下标:2*i + 2
### LeetCode练手
347. 前 K 个高频元素
~~~
package com.mango.leet.code.middle;
/**
* 347. 前 K 个高频元素
*/
import java.util.*;
/**
* 给你一个整数数组 nums 和一个整数 k ,请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。
*
*
*
* 示例 1:
*
* 输入: nums = [1,1,1,2,2,3], k = 2
* 输出: [1,2]
* 示例 2:
*
* 输入: nums = [1], k = 1
* 输出: [1]
*
*
* 提示:
*
* 1 <= nums.length <= 105
* k 的取值范围是 [1, 数组中不相同的元素的个数]
* 题目数据保证答案唯一,换句话说,数组中前 k 个高频元素的集合是唯一的
*
* 来源:力扣(LeetCode)
* 链接:https://leetcode-cn.com/problems/top-k-frequent-elements
* 著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
*/
public class LC347 {
public static void main(String[] args) {
int[] nums = new int[]{1,1,2,2,3,3,3,3,3};
System.out.println(Arrays.toString(new Solution().topKFrequent(nums,2)));
}
static class Solution {
public int[] topKFrequent(int[] nums, int k) {
// 1. 先计算出数字出现的次数,放到countMap里
Map<Integer,Integer> countMap = new HashMap<>();
for(int i=0;i<nums.length;i++){
countMap.put(nums[i],countMap.getOrDefault(nums[i],0)+1);
}
// 2. 利用优先队列,自定义优先级为数字出现的频次
Queue<Integer> queue = new PriorityQueue(new Comparator() {
@Override
public int compare(Object o1, Object o2) {
return countMap.get(o1) - countMap.get(o2);
}
});
countMap.forEach((int1,int2)->{
if(!queue.contains(int1)){
queue.offer(int1);
}
});
// 3. 取优先队列的前k个数字返回
int[] result = new int[k];
for(int i=0;i<k;i++){
result[i] = queue.poll();
}
return result;
}
}
}
/**
* 2022-03-05
* 思路:
* 1. 先计算出数字出现的次数,放到countMap里
* 2. 利用优先队列,自定义优先级为数字出现的频次
* 3. 取优先队列的前k个数字返回
*/
~~~
- Redis来回摩擦
- redis的数据结构SDS和DICT
- redis的持久化和事件模型
- Java
- 从何而来之Java IO
- 发布Jar包到公共Maven仓库
- Java本地方法调用
- 面试突击
- Linux
- Nginx
- SpringBoot
- Springboot集成Actuator和SpringbootAdminServer监控
- SpringCloud
- Spring Cloud初识
- Spring Cloud的5大核心组件
- Spring Cloud的注册中心
- Spring Cloud注册中心之Eureka
- Spring Cloud注册中心之Consul
- Spring Cloud注册中心之Nacos
- Spring Cloud的负载均衡之Ribbon
- Spring Cloud的服务调用之Feign
- Spring Cloud的熔断器
- Spring Cloud熔断器之Hystrix
- Spring Cloud的熔断器监控
- Spring Cloud的网关
- Spring Cloud的网关之Zuul
- Spring Cloud的配置中心
- Spring Cloud配置中心之Config Server
- Spring Cloud Config配置刷新
- Spring Cloud的链路跟踪
- Spring Cloud的链路监控之Sleuth
- Spring Cloud的链路监控之Zipkin
- Spring Cloud集成Admin Server
- Docker
- docker日常基本使用
- docker-machine的基本使用
- Kubernetes
- kubernetes初识
- kubeadm安装k8s集群
- minikube安装k8s集群
- k8s的命令行管理工具
- k8s的web管理工具
- k8s的相关发行版
- k3s初识及安装
- rancher的安装及使用
- RaspberryPi
- 运维
- 域名证书更新
- 腾讯云主机组建内网
- IDEA插件开发
- 第一个IDEA插件hello ide开发
- 千呼万唤始出来的IDEA笔记插件mdNote
- 大刚学算法
- 待整理
- 一些概念和知识点
- 位运算
- 数据结构
- 字符串和数组
- LC242-有效的字母异位词
- 链表
- LC25-K个一组翻转链表
- LC83-删除有序单链表重复的元素
- 栈
- LC20-有效的括号
- 队列
- 双端队列
- 优先队列
- 树
- 二叉树
- 二叉树的遍历
- 二叉树的递归序
- 二叉树的前序遍历(递归)
- 二叉树的前序遍历(非递归)
- 二叉树的中序遍历(递归)
- 二叉树的中序遍历(非递归)
- 二叉树的后序遍历(递归)
- 二叉树的后序遍历(非递归)
- 二叉树的广度优先遍历(BFS)
- 平衡二叉树
- 二叉搜索树
- 满二叉树
- 完全二叉树
- 二叉树的打印(二维数组)
- 树的序列化和反序列化
- 前缀树
- 堆
- Java系统堆优先队列
- 集合数组实现堆
- 图
- 图的定义
- 图的存储方式
- 图的Java数据结构(邻接表)
- 图的表达方式及对应场景创建
- 图的遍历
- 图的拓扑排序
- 图的最小生成树之Prim算法
- 图的最小生成树之Kruskal算法
- 图的最小单元路径之Dijkstra算法
- 位图
- Java实现位图
- 并查集
- Java实现并查集
- 滑动窗口
- 单调栈
- 排序
- 冒泡排序BubbleSort
- 选择排序SelectSort
- 插入排序InsertSort
- 插入排序InsertXSort
- 归并排序MergeSort
- 快速排序QuickSort
- 快速排序优化版QuickFastSort
- 堆排序HeapSort
- 哈希Hash
- 哈希函数
- guava中的hash函数
- hutool中的hash函数
- 哈希表实现
- Java之HashMap的实现
- Java之HashSet的实现
- 一致性哈希算法
- 经典问题
- 荷兰国旗问题
- KMP算法
- Manacher算法
- Go