每日算法：前 K 个高频元素
给定一个非空的每日整数数组，返回其中出现频率前 k 高的算法素元素。
示例 1:
输入: nums = [1,个高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：
你可以假设给定的 k 总是合理的，且 1 ≤ k ≤ 数组中不相同的频元元素的个数。 你的每日算法的时间复杂度必须优于 O(nlogn) , n 是数组的大小。 题目数据保证答案唯一，算法素换句话说，个高数组中前 k 个高频元素的频元集合是唯一的。 你可以按任意顺序返回答案。每日解法一：map+数组
利用 map 记录每个元素出现的算法素频率，利用数组来比较排序元素
代码实现：
let topKFrequent = function(nums,个高 k) { let map = new Map(), arr = [...new Set(nums)] nums.map((num) => { if(map.has(num)) map.set(num, map.get(num)+1) else map.set(num, 1) }) return arr.sort((a, b) => map.get(b) - map.get(a)).slice(0, k); };复杂度分析：
时间复杂度：O(nlogn) 空间复杂度：O(n)题目要求算法的时间复杂度必须优于 O(n log n) ，所以这种实现不合题目要求
解法二：map + 小顶堆
遍历一遍数组统计每个元素的频元频率，并将元素值( key )与出现的每日频率( value )保存到 map 中
通过 map 数据构建一个前 k 个高频元素小顶堆，小顶堆上的算法素任意节点值都必须小于等于其左右子节点值，即堆顶是云南idc服务商个高最小值。
具体步骤如下：
遍历数据，统计每个元素的频率，并将元素值( key )与出现的频率( value )保存到 map 中 遍历 map ，将前 k 个数，构造一个小顶堆 从 k 位开始，继续遍历 map ，每一个数据出现频率都和小顶堆的堆顶元素出现频率进行比较，如果小于堆顶元素，则不做任何处理，继续遍历下一元素;如果大于堆顶元素，则将这个元素替换掉堆顶元素，然后再堆化成一个小顶堆。 遍历完成后，堆中的数据就是前 k 大的数据代码实现：
let topKFrequent = function(nums, k) { let map = new Map(), heap = [,] nums.map((num) => { if(map.has(num)) map.set(num, map.get(num)+1) else map.set(num, 1) }) // 如果元素数量小于等于 k if(map.size <= k) { return [...map.keys()] } // 如果元素数量大于 k，遍历map，构建小顶堆 let i = 0 map.forEach((value, key) => { if(i < k) { // 取前k个建堆, 插入堆 heap.push(key) // 原地建立前 k 堆 if(i === k-1) buildHeap(heap, map, k) } else if(map.get(heap[1]) < value) { // 替换并堆化 heap[1] = key // 自上而下式堆化第一个元素 heapify(heap, map, k, 1) } i++ }) // 删除heap中第一个元素 heap.shift() return heap }; // 原地建堆，从后往前，自上而下式建小顶堆 let buildHeap = (heap, map, k) => { if(k === 1) return // 从最后一个非叶子节点开始，自上而下式堆化 for(let i = Math.floor(k/2); i>=1 ; i--) { heapify(heap, map, k, i) } } // 堆化 let heapify = (heap, map, k, i) => { // 自上而下式堆化 while(true) { let minIndex = i if(2*i <= k && map.get(heap[2*i]) < map.get(heap[i])) { minIndex = 2*i } if(2*i+1 <= k && map.get(heap[2*i+1]) < map.get(heap[minIndex])) { minIndex = 2*i+1 } if(minIndex !== i) { swap(heap, i, minIndex) i = minIndex } else { break } } } // 交换 let swap = (arr, i , j) => { let temp = arr[i] arr[i] = arr[j] arr[j] = temp }复杂度分析：
时间复杂度：遍历数组需要 O(n) 的时间复杂度，一次堆化需要 O(logk) 时间复杂度，所以利用堆求 Top k 问题的时间复杂度为 O(nlogk) 空间复杂度：O(n)解法三：桶排序
这里取前k个高频元素，使用计数排序不再适合，在上题目中使用计数排序，将 i 元素出现的网站模板次数存储在 bucket[i] ，但这种存储不能保证 bucket 数组上值是有序的，例如 bucket=[0,3,1,2] ，即元素 0 未出现，元素 1 出现 3 次，元素 2 出现 1 次，元素 3 出现 2 次，所以计数排序不适用于取前k个高频元素，不过，不用怕，计数排序不行，还有桶排序。
桶排序是计数排序的升级版。它也是利用函数的映射关系。
桶排序 (Bucket sort)的工作的原理：假设输入数据服从均匀分布，将数据分到有限数量的桶里，每个桶再分别排序(有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排)。
首先使用 map 来存储频率 然后创建一个数组(有数量的桶)，将频率作为数组下标，对于出现频率不同的数字集合，高防服务器存入对应的数组下标(桶内)即可。代码实现：
let topKFrequent = function(nums, k) { let map = new Map(), arr = [...new Set(nums)] nums.map((num) => { if(map.has(num)) map.set(num, map.get(num)+1) else map.set(num, 1) }) // 如果元素数量小于等于 k if(map.size <= k) { return [...map.keys()] } return bucketSort(map, k) }; // 桶排序 let bucketSort = (map, k) => { let arr = [], res = [] map.forEach((value, key) => { // 利用映射关系（出现频率作为下标）将数据分配到各个桶中 if(!arr[value]) { arr[value] = [key] } else { arr[value].push(key) } }) // 倒序遍历获取出现频率最大的前k个数 for(let i = arr.length - 1;i >= 0 && res.length < k;i--){ if(arr[i]) { res.push(...arr[i]) } } return res }复杂度分析：
时间复杂度：O(n) 空间复杂度：O(n)leetcode：https://leetcode-cn.com/problems/top-k-frequent-elements/solution/javascript-qian-k-ge-gao-pin-yuan-su-by-user7746o/