package top100liked

import (
	"reflect"
	"sort"
	"testing"
)

// https://leetcode.cn/problems/top-k-frequent-elements/?envType=study-plan-v2&envId=top-100-liked
// 347. 前 K 个高频元素
//
// 给一个整数数组 nums 和整数 k，返回出现频率前 k 高的元素，顺序任意。
// 进阶要求时间复杂度优于 O(n log n)。
//
// 通用第一步：统计频率 map[int]int。下面三种解法都基于此。

// countFreq 统计每个元素出现次数。
func countFreq(nums []int) map[int]int {
	m := make(map[int]int)
	for _, v := range nums {
		m[v]++
	}
	return m
}

// 解法一：最小堆 — O(n log k) / O(n)
// 维护大小为 k 的最小堆，堆顶是当前堆内频率最小者。
// 逐个把 (元素, 频率) 入堆；堆大小超过 k 时弹出堆顶，淘汰频率最小的。
// 遍历结束，堆里剩下的 k 个即前 k 高频元素。
//
// 实现要点（container/heap）：
//   - 定义 type entry struct{ val, cnt int}
//   - 定义 type minHeap []entry，实现 heap.Interface
//   - Less 按 cnt 升序（堆顶最小）
//   - 遍历 m：heap.Push(h, e)；len(*h) > k 时 heap.Pop(h)
//   - 收集堆中剩余元素返回
type entry struct {
	val int
	cnt int
}

type minHeap struct {
	data []entry
}

// 上浮：新元素放末尾后，与父比较，比父小则交换向上
// i 是需要 siftUp 的元素的 index
func (h *minHeap) siftUp(i int) {
	for i > 0 {
		p := (i - 1) / 2
		if h.data[p].cnt > h.data[i].cnt {
			h.data[p], h.data[i] = h.data[i], h.data[p]
			i = p
		} else {
			break
		}
	}
}

// 下沉：从 i 开始，与较小子比较，比子大则交换向下。n 是有效堆大小
func (h *minHeap) siftDown(i, n int) {
	for {
		l, r := 2*i+1, 2*i+2
		smallest := i
		if l < n && h.data[l].cnt < h.data[smallest].cnt {
			smallest = l
		}
		if r < n && h.data[r].cnt < h.data[smallest].cnt {
			smallest = r
		}
		if smallest == i {
			break
		}
		h.data[smallest], h.data[i] = h.data[i], h.data[smallest]
		i = smallest
	}
}

// push：追加末尾 + 上浮
func (h *minHeap) push(e entry) {
	idx := len(h.data)
	h.data = append(h.data, e)
	h.siftUp(idx)
}

// popMin 弹出堆顶（最小 cnt）：用末尾覆盖堆顶，缩容，下沉
func (h *minHeap) popMin() entry {
	if len(h.data) == 0 {
		return entry{}
	}
	ret := h.data[0]
	h.data[0] = h.data[len(h.data)-1]
	h.data = h.data[:len(h.data)-1]
	if len(h.data) > 0 {
		h.siftDown(0, len(h.data))
	}
	return ret
}

func (h *minHeap) len() int { return len(h.data) }

func topKFrequentHeap(nums []int, k int) []int {
	m := countFreq(nums)
	h := minHeap{}
	for v, c := range m {
		h.push(entry{v, c})
		if h.len() > k {
			h.popMin()
		}
	}
	res := make([]int, 0, k)
	for h.len() > 0 {
		res = append(res, h.popMin().val)
	}
	return res
}

// 解法二：桶排序 — O(n) 平均 / O(n)
// 频率取值范围 [0, n]，开长度 n+1 的桶：buckets[f] 存所有频率为 f 的元素。
// 从 buckets[n] 倒序向 buckets[1] 遍历，依次把桶内元素加入结果，凑够 k 个停止。
//
// 实现要点：
//   - buckets := make([][]int, len(nums)+1)
//   - for val, cnt := range m { buckets[cnt] = append(buckets[cnt], val) }
//   - for f := len(buckets)-1; f >= 0 && len(res) < k; f-- { res = append(res, buckets[f]...) }
func topKFrequentBucket(nums []int, k int) []int {
	m := countFreq(nums)
	buckets := make([][]int, len(nums)+1)
	for v, c := range m {
		buckets[c] = append(buckets[c], v)
	}
	res := make([]int, 0, k)
	for f := len(buckets) - 1; f >= 0 && len(res) < k; f-- {
		res = append(res, buckets[f]...)
	}
	return res
}

// equalIgnoreOrder 忽略顺序比较两个 []int。
func equalIgnoreOrder(a, b []int) bool {
	if len(a) != len(b) {
		return false
	}
	ca := append([]int(nil), a...)
	cb := append([]int(nil), b...)
	sort.Ints(ca)
	sort.Ints(cb)
	return reflect.DeepEqual(ca, cb)
}

func TestTopKFrequent(t *testing.T) {
	cases := []struct {
		name string
		nums []int
		k    int
		want []int
	}{
		{"basic", []int{1, 1, 1, 2, 2, 3}, 2, []int{1, 2}},
		{"single", []int{1}, 1, []int{1}},
		{"tie", []int{1, 2}, 2, []int{1, 2}}, // 频率相同，都可返回
		{"negative", []int{4, 1, -1, 2, -1, 2, 3}, 2, []int{-1, 2}},
		{"duplicate candidates", []int{3, 0, 1, 0}, 1, []int{0}},
	}
	solvers := []struct {
		name string
		fn   func([]int, int) []int
	}{
		{"heap", topKFrequentHeap},
		{"bucket", topKFrequentBucket},
	}
	for _, s := range solvers {
		t.Run(s.name, func(t *testing.T) {
			for _, c := range cases {
				// 复制 nums 防止解法修改原切片
				nums := append([]int(nil), c.nums...)
				got := s.fn(nums, c.k)
				if !equalIgnoreOrder(got, c.want) {
					t.Errorf("%s/%s: got %v, want %v", s.name, c.name, got, c.want)
				}
			}
		})
	}
}