Top K高频元素：堆的应用与Java实现

1. 前K个高频元素问题解析

这个问题在算法面试中非常经典，给定一个非空的整数数组，返回其中出现频率前K高的元素。看似简单，但考察了数据结构选择、算法优化和编码实现的多方面能力。

举个例子，对于数组[1,1,1,2,2,3]和K=2，应该返回[1,2]，因为1出现3次，2出现2次，3出现1次。这个问题在实际开发中也有很多应用场景，比如统计用户行为中的高频事件、分析日志中的异常IP等。

2. 解决思路与算法选择

2.1 暴力解法分析

最直观的解法是：

1. 统计每个元素的出现频率
2. 对频率进行排序
3. 取前K个元素

这种方法时间复杂度为O(nlogn)，主要消耗在排序步骤。虽然能解决问题，但在面试中显然不够优秀。

2.2 优化思路 - 堆的应用

更优的解法是使用最小堆（Min Heap）：

1. 先用哈希表统计频率 - O(n)
2. 维护一个大小为K的最小堆 - O(nlogK)
3. 输出堆中元素

这种方法将时间复杂度降低到O(nlogK)，当K远小于n时效率提升明显。为什么用最小堆而不是最大堆？因为我们需要保留频率最高的元素，最小堆可以方便地淘汰当前堆中最小的元素。

3. Java实现详解

3.1 基础实现

java复制public int[] topKFrequent(int[] nums, int k) {
    // 统计频率
    Map<Integer, Integer> frequencyMap = new HashMap<>();
    for (int num : nums) {
        frequencyMap.put(num, frequencyMap.getOrDefault(num, 0) + 1);
    }
    
    // 创建最小堆
    PriorityQueue<Integer> heap = new PriorityQueue<>(
        (a, b) -> frequencyMap.get(a) - frequencyMap.get(b)
    );
    
    // 维护堆的大小为k
    for (int num : frequencyMap.keySet()) {
        heap.offe