Update 0347. 前 K 个高频元素.md

itcharge · itcharge · commit 619405b945a7 · 2022-09-07T18:06:00.000+08:00
diff --git a/Solutions/0347. 前 K 个高频元素.md b/Solutions/0347. 前 K 个高频元素.md
@@ -5,22 +5,39 @@
 
 ## 题目大意
 
-给定一个整数数组 `nums` 和一个整数 `k`。
+**描述**：给定一个整数数组 `nums` 和一个整数 `k`。
 
-要求：返回出现频率前 `k` 高的元素。可以按任意顺序返回答案。
+**要求**：返回出现频率前 `k` 高的元素。可以按任意顺序返回答案。
+
+**说明**：
+
+- $1 \le nums.length \le 10^5$。
+- $k$ 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。
+
+**示例**：
+
+```Python
+输入: nums = [1,1,1,2,2,3], k = 2
+输出: [1,2]
+
+
+输入: nums = [1], k = 1
+输出: [1]
+```
 
 ## 解题思路
 
-1. 使用哈希表记录下数组中各个元素的频数。时间复杂度 $O(n)$，空间复杂度 $O(n)$。
+### 思路 1：哈希表 + 优先队列
+
+1. 使用哈希表记录下数组中各个元素的频数。
 2. 然后将哈希表中的元素去重，转换为新数组。时间复杂度 $O(n)$，空间复杂度 $O(n)$。
 3. 使用二叉堆构建优先队列，优先级为元素频数。此时堆顶元素即为频数最高的元素。时间复杂度 $O(n)$，空间复杂度 $O(n)$。
 4. 将堆顶元素加入到答案数组中，进行出队操作。时间复杂度 $O(log{n})$。
    - 出队操作：交换堆顶元素与末尾元素，将末尾元素已移出堆。继续调整大顶堆。
 5. 不断重复第 4 步，直到 `k` 次结束。调整 `k` 次的时间复杂度 $O(nlog{n})$。
 
-所以总体时间复杂度 $O(nlog{n})$。
-
-## 代码
+### 思路 1：代码
 
 ```Python
 class Heapq:
@@ -105,3 +122,7 @@ class Solution:
         return res
 ```
 
+### 思路 1：复杂度分析
+
+- **时间复杂度**：$O(n \times \log_2n)$。
+- **空间复杂度**：$O(n)$。
