题型识别#

先统计频次，再维护一个大小为 k 的小根堆。堆顶是当前 TopK 里频次最低的元素，遇到更高频元素就替换。

遇到类似题时，我会先写一句话解释输入、输出和约束，再决定用什么结构。只要这一步说不清，直接写代码大概率会在边界条件上出错。

核心写法#

1
from collections import Counter
2
import heapq
3

4
def top_k_frequent(nums, k):
5
    heap = []
6
    for num, freq in Counter(nums).items():
7
        heapq.heappush(heap, (freq, num))
8
        if len(heap) > k:
9
            heapq.heappop(heap)
10
    return [num for freq, num in heap]

边界样例#

• 空输入或只有一个元素时，答案应该是什么。
• 元素重复时，比较关系是否仍然成立。
• 结果需要下标、长度、数量，还是具体路径。
• 时间复杂度能不能从每个元素处理次数解释出来。

复盘#

复盘时要区分求最大 k 个、最小 k 个、频次 TopK 还是数值 TopK。比较键不同，堆里保存的结构也不同。

最小验收样例#

我会至少准备三个样例：一个普通样例，一个边界样例，一个专门卡比较条件的样例。算法代码最怕只过了题目给的样例，却没有覆盖空输入、重复元素或极端顺序。

写完后不要只看答案，还要能解释每一步状态为什么变化。只要能把状态变化讲清楚，换一个题面时就不容易机械套错模板。

小结#

堆处理 TopK 高频元素 的练习重点，是把固定套路拆成可解释的判断。能说明为什么这样维护状态，才算真正掌握。