数据结构与算法之堆: Leetcode 451. 根据字符出现频率排序 (Typescript版)

根据字符出现频率排序

• https://leetcode.cn/problems/sort-characters-by-frequency/

描述

• 给定一个字符串 s ，根据字符出现的 频率 对其进行 降序排序 。一个字符出现的 频率 是它出现在字符串中的次数。
• 返回 已排序的字符串 。如果有多个答案，返回其中任何一个。

示例 1

输入: s = "tree"
输出: "eert"
解释: 'e'出现两次，'r'和't'都只出现一次。
因此'e'必须出现在'r'和't'之前。此外，"eetr"也是一个有效的答案。

示例 2

输入: s = "cccaaa"
输出: "cccaaa"
解释: 'c'和'a'都出现三次。此外，"aaaccc"也是有效的答案。
注意"cacaca"是不正确的，因为相同的字母必须放在一起。

示例 3

输入: s = "Aabb"
输出: "bbAa"
解释: 此外，"bbaA"也是一个有效的答案，但"Aabb"是不正确的。
注意'A'和'a'被认为是两种不同的字符。

提示

• 1 <= s.length <= 5 * $10^5$
• s 由大小写英文字母和数字组成

算法实现

1 ）普通方法实现, 基于原生sort和Map结构

function frequencySort(s: string): string {
    // 1. 构建map字典，例如: Map{a: 2, b: 3}
    const map = new Map();
    s.split('').forEach(item => {
      map.set(item, map.has(item) ? map.get(item) + 1 : 1);
    });
    // 2. 将map转成二维数组进行排序
    const arr = Array.from(map);
    arr.sort((a, b) => b[1] - a[1]);
    // 3. 基于排好序的数组(降序)组装成最终结果
    let result = '';
    arr.forEach((item) => {
        result += item[0].repeat(item[1]);
    })
    return result;
};

• 这里使用平时最简单的原生排序法，结合Map数据结构的特性，和ES6中字符串的特性完成
• 原生排序，性能不错 O(nlogn)，推荐

2 ）使用堆排序

class MaxHeap {
  map: Map<string, number> = new Map()
  heap: number[] = []
  init(str:string) {
    // 构建map字典
    const { map } = this;
    str.split('').forEach(item => {
      map.set(item, map.has(item) ? map.get(item) + 1 : 1);
    });
    this.heap = Array.from(map.values());
  }
  sort () {
    const iArr = this.heap;
    const n = iArr.length;
    if (n <= 1) return iArr;
    for (let i = Math.floor(n / 2); i >= 0; i--) {
      MaxHeap.maxHeapify(iArr, i, n);
    }
    for (let j = 0; j < n; j++) {
      MaxHeap.swap(iArr, 0, n - 1 - j);
      MaxHeap.maxHeapify(iArr, 0, n - 1 - j - 1);
    }
    return iArr;
  }
  // 排序并转成字符串
  sortToString () {
    const arr = this.sort(); // 这里对值进行排序
    const str = [];
    while (arr.length) {
      const top = arr.pop();
      for (const [k, v] of this.map) {
        // 值和值匹配
        if (v === top) {
          str.push(k.repeat(v));
          this.map.delete(k); // 使用过的key防止重复匹配 这里记得删除
          break
        }
      }
    }
    return str.join('');
  }
  // 交换两个元素
  static swap (arr, i, j) {
    if (i === j) return;
    [arr[i], arr[j]] = [arr[j], arr[i]];
  }
  // 构建最大堆的过程
  static maxHeapify (Arr, i, size) {
    // 左节点（索引）
    const l = (i << 1) + 1;
    // 右节点
    const r = (i << 1) + 2;
    let largest = i;
    // 父节点i和左节点l做比较取最大
    if (l <= size && Arr[l] > Arr[largest]) largest = l;
    // 右节点和最大值比较
    if (r <= size && Arr[r] > Arr[largest]) largest = r;
    if (largest !== i) {
      MaxHeap.swap(Arr, i, largest);
      MaxHeap.maxHeapify(Arr, largest, size);
    }
  }
}

function frequencySort(s: string): string {
  const mh = new MaxHeap();
  mh.init(s);
  return mh.sortToString();
}

• 如果这个堆之前构建好，只需要少许修改，即可投入使用
• 理解了最大堆的构建过程，这个还是比较推荐使用的
• 需要注意的是在while和for的嵌套循环中的时间复杂度的考量
  • while是每次pop从n直到为0，因此是 n
  • for不会每次都执行n次，匹配到时会被break掉，因此是 logn
  • 所以整体时间复杂度为 O(nlogn)