给定一个字符串数组,让你找出前k个出现次数最多的字符串
比如:
输入:
3
1 2 4 5 6 5 8 6 6 9
输出:
No.1:6, times:3
No.2:5, times:2
No.3:2, times:1
输入:
3
abc abc aaa snfh asnfdk aaa kjsda asd 123
输出:
No.1:abc, times:2
No.2:aaa, times:2
No.3:123, times:1
第一行的整数代表是要显示出现次数前k名的字符串
第二行输入字符串,每个字符串用空格分开
如果出现次数相同,任意选取即可
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.HashMap;
import java.util.Map.Entry;
public class Main {
static class Node {
public String str;
public int times;
public Node(String s, int t) {
str = s;
times = t;
}
}
public static void main(String[] args) throws IOException {
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
int k = Integer.valueOf(br.readLine().trim());
String line = null;
StringBuilder str = new StringBuilder();
while ((line = br.readLine()) != null) {
str.append(line);
}
br.close();
String[] s = str.toString().split(" +");
str = null;
printTopK(s, k);
}
public static void printTopK(String[] arr, int topK) {
if (arr == null || topK < 1)
return;
HashMap<String, Integer> map = new HashMap<>();
// 生成哈希表(记录字符串的词频)
int len = arr.length; // 海量数据访问栈内存比较好
for (int i = 0; i < len; ++i) {
if (!map.containsKey(arr[i])) {
map.put(arr[i], 1);
} else {
map.put(arr[i], map.get(arr[i]) + 1);
}
}
Node[] heap = new Node[topK];
int index = 0;
// 遍历哈希表,决定是否进堆,一共topK个堆元素,恢复堆有序,最后留下的一定是满足条件最大的几个
for (Entry<String, Integer> entry : map.entrySet()) {
String str = entry.getKey();
int times = entry.getValue();
Node node = new Node(str, times);
if (index != topK) { // 堆没满之前
heap[index] = node;
heapInsert(heap, index++); // 插入时恢复堆有序
} else { // 堆已经满了,后续的直接和最小元素比来决定去和留
if (heap[0].times < node.times) {
heap[0] = node;
sink(heap, 0, topK - 1); // 下沉恢复堆有序
}
}
}
// 现在需要有序输出,也就是堆排序了
int N = topK - 1; // 下标
while (N > 0) {
swap(heap, 0, N--); // 最小的放到最后
sink(heap, 0, N); // 剩下的继续恢复堆有序
}
// 按照排名打印堆排序后的topK条记录
for (int i = 0; i != topK; ++i) {
if (heap[i] == null) {
break;
} else {
System.out.print("No." + (i + 1) + ":");
System.out.println(heap[i].str + ", times:" + heap[i].times);
}
}
}
private static void sink(Node[] heap, int i, int n) {
int parent = i + 1; // 避免i=0死循环,因为i*2=0 <=0恒成立,第parent个结点,下标为parent-1
int N = n + 1;// 第N个结点,下标为N-1
while ((parent << 1) <= N) { // 看有没有孩子
int j = parent << 1; // 左孩子
if (j < N && isLess(heap, j + 1, j)) { // 如果不满足j<n, 说明j=n,也就是只有左孩子没有右孩子
++j;
}
if (isLess(heap, parent, j)) // 父节点的次数已经比子节点最小的还小了,那就已经堆有序了
break;
swap(heap, parent - 1, j - 1); // 按下标交换
parent = j; // 父节点下沉后记录位置,方便继续判断下一步下沉
}
}
private static boolean isLess(Node[] heap, int i, int j) {
return heap[i - 1].times < heap[j - 1].times;
}
private static void heapInsert(Node[] heap, int index) {
while (index != 0) {
// 因为父节点是从0开始的,所以index-1,如果不减1,到了偶数如2,父节点应该是0却被算成1
int parent = (index - 1) >> 1; // 父节点需要除以2
if (heap[index].times < heap[parent].times) {
swap(heap, index, parent);
index = parent; // 交换后跟踪下标
} else {
break;
}
}
}
private static void swap(Node[] heap, int index, int parent) {
Node temp = heap[index];
heap[index] = heap[parent];
heap[parent] = temp;
}
}
思路就是建立出小顶堆,然后每次和堆顶元素比较,比堆顶大,那么就替换堆顶元素,然后下沉恢复堆有序,堆里始终保持着到目前为止出现次数最大的几个字符串,遍历字符串数组完成即可,最后堆排序完成输出就满足了要求。
生成哈希表复杂度O(n), 有n条数据
每次进堆的时候恢复堆有序需要O(logk),因为堆数组是k个,是我们需要排名出来的前k个元素,所以前k次进堆并恢复堆有序时间复杂度为O(klogk)
剩下n-k个元素需要检查更新小顶堆,时间复杂度O( (n-k)logk )
接着k个元素堆排序O(klogk)
总的时间复杂度O(n)+2O(klogk)+O( (n-k)logk )
因为我们排出来的k一般很小,比如10W条数据需要前20条,那么这个k相遇于n来说可以忽略
所以总体时间复杂度为O(nlogk)
k是需要排名列出的前k条记录
n为总体数据量