u

top-100-liked/74/leetcode_test.go

@@ -1,6 +1,7 @@
 package top100liked
 
 import (
+	"container/heap"
 	"reflect"
 	"sort"
 	"testing"
@@ -136,6 +137,53 @@ func topKFrequentBucket(nums []int, k int) []int {
 	return res
 }
 
+// 解法三：container/heap 维护大小 k 的最小堆 — O(n log k) / O(n)
+// 思路同解法一，但用标准库 container/heap 提供堆算法，自己只实现 heap.Interface。
+//
+// container/heap 两层 API（最容易踩坑的地方）：
+//   - 你实现的 Push/Pop 只是"回调"：Push 追加到切片末尾，Pop 删除末尾元素
+//   - 真正对外的是 heap.Push / heap.Pop：它们调你的 Push/Pop 并负责 siftUp/siftDown
+//   - Less 用 < 是小顶堆（堆顶最小），用 > 是大顶堆
+//   - Push/Pop 必须用指针接收者（要改 slice header）；Len/Less/Swap 用值接收者即可
+//
+// 要点：
+//   - entryHeap []entry 实现 heap.Interface（Len/Less/Swap + Push/Pop）
+//   - Less 按 cnt 升序，堆顶是堆内频率最小者
+//   - 遍历 m：heap.Push(h, entry{v,c})；h.Len() > k 时 heap.Pop(h) 淘汰最小
+//   - 收集堆中剩余 k 个元素返回
+type entryHeap []entry
+
+func (h entryHeap) Len() int           { return len(h) }
+func (h entryHeap) Less(i, j int) bool { return h[i].cnt < h[j].cnt } // < 小顶堆
+func (h entryHeap) Swap(i, j int)      { h[i], h[j] = h[j], h[i] }
+
+// Push/Pop 是给 heap 包调用的回调，只负责在切片末尾增删，不要加堆序逻辑
+func (h *entryHeap) Push(x any) { *h = append(*h, x.(entry)) }
+func (h *entryHeap) Pop() any {
+	old := *h
+	n := len(old)
+	x := old[n-1]
+	*h = old[:n-1]
+	return x
+}
+
+func topKFrequentContainerHeap(nums []int, k int) []int {
+	m := countFreq(nums)
+	h := &entryHeap{}
+	heap.Init(h)
+	for v, c := range m {
+		heap.Push(h, entry{v, c})
+		if h.Len() > k {
+			heap.Pop(h)
+		}
+	}
+	res := make([]int, 0, k)
+	for h.Len() > 0 {
+		res = append(res, heap.Pop(h).(entry).val)
+	}
+	return res
+}
+
 // equalIgnoreOrder 忽略顺序比较两个 []int。
 func equalIgnoreOrder(a, b []int) bool {
 	if len(a) != len(b) {
@@ -167,6 +215,7 @@ func TestTopKFrequent(t *testing.T) {
 	}{
 		{"heap", topKFrequentHeap},
 		{"bucket", topKFrequentBucket},
+		{"container-heap", topKFrequentContainerHeap},
 	}
 	for _, s := range solvers {
 		t.Run(s.name, func(t *testing.T) {