力扣 692：巧用小顶堆高效求解前K个高频单词

@

目录

• 📖 前言
• Bilibili 同步视频
• 🌐 算法核心场景与解题痛点剖析
  • 1. 问题场景定义
  • 2. 传统解法弊端
• ⚙️ 核心算法原理（图文拆解）
  • 1. 算法整体流程示意图（Plain Text）
  • 2. 分步原理深度解析
    • ✅ 第一步：哈希表遍历，精准统计词频
    • ✅ 第二步：自定义小顶堆，筛选TopK元素
    • ✅ 第三步：二次规整排序，输出标准结果
• 💻 C++ 完整可运行代码实现
• ⚡ 算法性能复杂度分析
  • 1. 时间复杂度
  • 2. 空间复杂度
• 💡 拓展答疑与学习干货
  • 1. 可否用Map替代UnorderedMap？
  • 2. 直接全局排序可行吗？
  • 3. 堆排序是最优排序算法吗？
• 📝 编程学习核心感悟
• 🏁 总结

📖 前言

在算法刷题与工程开发之中，词频统计、高频元素筛选是极为经典的核心场景✨。无论是文本数据分析、关键词提取、日志统计，还是LeetCode经典算法题型，前K个高频单词的求解思路，都是程序员必须掌握的基础高阶算法思维。

寻常解题之法，多以暴力排序遍历，虽逻辑直白，却效率堪忧；而哈希表统计频次 + 小顶堆筛选极值的组合解法，兼顾时空复杂度优势，章法严谨、思路精妙🌿。本文将以骈文雅致之语，层层拆解算法核心逻辑，附完整C++可运行代码、原理流程图解、细节易错点解析，带你彻底吃透这一经典算法。

Bilibili 同步视频

力扣 692：巧用小顶堆高效求解前K个高频单词

🌐 算法核心场景与解题痛点剖析

1. 问题场景定义

给定一组单词字符串数组与整数K，需求为：筛选出数组中出现频次最高的前K个单词，排序规则严格遵循双优先级：

• 🥇 第一优先级：单词出现频次从高到低排序

• 🥈 第二优先级：频次相同时，按单词字典序从小到大排序

2. 传统解法弊端

若采用朴素思路：先遍历统计所有单词频次，再对全部单词直接排序，虽可实现功能，却存在显著缺陷❌：

• 数据量庞大时，全局排序时间复杂度极高，冗余计算过多

• 无需对所有数据排序，仅需保留前K个极值，全局排序造成性能浪费

是以业界最优解，皆依托哈希表+小顶堆的组合思想，择优选取、去芜存菁，以最低时间复杂度实现核心需求✅。

⚙️ 核心算法原理（图文拆解）

此番解题之术，分三步行云流水、环环相扣：哈希表统计词频 → 小顶堆筛选前K元素 → 结果二次规整排序，层层递进、逻辑闭环🔗。

1. 算法整体流程示意图（Plain Text）

原始单词数组 → 哈希表遍历统计 → 生成【单词-频次】映射关系
       ↓
构建自定义规则小顶堆 → 逐个插入单词元素 → 堆超K则弹出最小值（低频单词）
       ↓
堆内留存TopK高频单词 → 按题目双规则二次排序 → 输出最终有序结果

2. 分步原理深度解析

✅ 第一步：哈希表遍历，精准统计词频

天下算法，统计为先；万物有序，数据为基📊。想要筛选高频单词，必先量化每个单词的出现次数。

哈希表（Hash Map）凭借O(1)级别的增删查改效率，成为词频统计的最优数据结构。我们以单词为键（key）、出现频次为值（value），遍历原始单词数组，逐一对对应单词的频次进行累加，最终得到所有单词的完整频次映射关系。

此步核心要义：去重统计、精准量化，将无序的原始文本数据，转化为结构化的频次数据，为后续筛选排序筑牢根基。

✅ 第二步：自定义小顶堆，筛选TopK元素

求前K大极值，必用小顶堆；求前K小极值，必用大顶堆🌲。此为算法解题亘古不变的核心准则。

为何舍弃大顶堆而选用小顶堆？缘由精妙：小顶堆堆顶始终为当前堆内最小值元素，遍历插入所有单词时，若堆中元素数量超出K值，直接弹出堆顶低频元素，全程保留最优的K个高频单词，无需存储全部数据，极大节省内存空间。

且本题需自定义堆排序规则，双维度约束、精准适配题意：

• 频次不等：频次更高的单词优先级更高

• 频次相等：字典序更小的单词优先级更高

✅ 第三步：二次规整排序，输出标准结果

小顶堆筛选完成后，堆内元素为前K个高频单词，但堆结构本身无法保证全局有序。是以最后需对留存元素，再次按照「频次降序、字典序升序」的规则排序，最终输出完全符合题意的有序结果🎯。

💻 C++ 完整可运行代码实现

依托上述原理，结合C++ STL容器特性，编写完整版高效代码，注释详尽、可直接编译运行，适配各类刷题场景与工程测试👇

#include <iostream>
#include <vector>
#include <unordered_map>
#include <queue>
#include <algorithm>
using namespace std;

// 自定义比较规则：适配小顶堆排序逻辑
struct CMP {
    // 存储单词与对应频次
    pair<string, int> val;
    CMP(pair<string, int> v) : val(v) {}

    // 重载比较运算符：构建符合题意的排序规则
    bool operator<(const CMP& other) const {
        // 频次不同：频次低的优先弹出（小顶堆核心）
        if (val.second != other.val.second) {
            return val.second > other.val.second;
        }
        // 频次相同：字典序大的优先弹出，保留字典序小的单词
        return val.first < other.val.first;
    }
};

vector<string> topKFrequent(vector<string>& words, int k) {
    // 1. 哈希表统计所有单词频次 O(n)
    unordered_map<string, int> frequency;
    for (string word : words) {
        frequency[word]++;
    }

    // 2. 构建自定义小顶堆
    priority_queue<CMP> minHeap;
    for (auto& item : frequency) {
        minHeap.push(CMP(item));
        // 堆元素超过K，弹出频次最小/字典序最大的元素
        if (minHeap.size() > k) {
            minHeap.pop();
        }
    }

    // 3. 提取堆内结果，二次规整排序
    vector<pair<string, int>> tempRes;
    while (!minHeap.empty()) {
        tempRes.push_back(minHeap.top().val);
        minHeap.pop();
    }

    // 最终排序：频次降序，同频次字典序升序
    sort(tempRes.begin(), tempRes.end(), [](pair<string, int>& a, pair<string, int>& b) {
        if (a.second != b.second) {
            return a.second > b.second;
        }
        return a.first < b.first;
    });

    // 提取最终单词结果
    vector<string> res;
    for (auto& item : tempRes) {
        res.push_back(item.first);
    }
    return res;
}

// 测试主函数
int main() {
    vector<string> testWords = {"i", "love", "leetcode", "i", "love", "coding"};
    int k = 2;
    vector<string> result = topKFrequent(testWords, k);
    
    cout << "前" << k << "个高频单词：" << endl;
    for (string word : result) {
        cout << word << " ";
    }
    return 0;
}

⚡ 算法性能复杂度分析

算法之优劣，必以时空复杂度为标尺，此番解法性能优异、适配海量数据场景📈：

1. 时间复杂度

• 词频统计：遍历所有单词，耗时 O(n)（n为单词总数）

• 堆筛选：每个元素入堆、出堆操作耗时 O(logK)，总耗时O(nlogK)

• 结果排序：仅对K个元素排序，耗时 O(KlogK)

• 整体复杂度：O(nlogK)，远优于全局排序的 O(nlogn)

2. 空间复杂度

• 哈希表存储所有不重复单词，空间 O(m)（m为不重复单词数）

• 小顶堆仅存储K个元素，空间 O(K)

• 整体空间复杂度：O(m + K)，内存占用可控、轻量化高效

💡 拓展答疑与学习干货

1. 可否用Map替代UnorderedMap？

可也，但非最优✨。ordered map（有序map）可自动维护键值有序性，但其底层为红黑树，增删查改效率低于哈希表。本题无需预处理数据有序性，unordered_map 哈希表的无序存储特性，更贴合高效统计的核心需求，冗余开销更低。

2. 直接全局排序可行吗？

可行但低效❌。全局排序依旧需要先通过哈希表统计词频，并未省略核心步骤，且海量数据下，全局排序的时间开销远大于堆筛选，数据量级越大，性能差距越明显。

3. 堆排序是最优排序算法吗？

非也🌿。在专业算法与数据结构体系中，存在多种优于堆排序、快速排序的高阶排序算法。算法学习的核心，不在于死记排序模板，而在于掌握场景适配思维——按需择取最优解法，方为算法之道。

📝 编程学习核心感悟

算法之力，为思维之魂；代码之力，为落地之躯🔑。二者看似独立，实则相辅相成、共生共长：算法思维决定解题高度，代码功底决定落地精度。

听课求学，重在参悟解题逻辑、搭建思维框架，而非拘泥于单一语言的代码细节；技能精进，贵在躬身实操、线下深耕，而非浅尝辄止、线上虚学。C++语法晦涩精妙，非一书可尽学，需多册典籍相辅、千行代码沉淀，方能融会贯通、运用自如✨。

🏁 总结

前K个高频单词的解法，以哈希表统计、小顶堆筛选、自定义排序为三重核心，化繁为简、去冗存精。相较于暴力排序，此算法极大优化时空复杂度，是极值类算法场景的经典范式🌐。

吃透此番逻辑，不仅可秒杀刷题题型，更能迁移应用于文本统计、数据筛选、流量分析等各类工程场景，切实提升算法思维与代码实战能力！