高频数据结构——哈希表与堆_高频读取数据结构-CSDN博客

本文链接：https://blog.csdn.net/lm111lm/article/details/126134960

本文探讨了数据流中的首个唯一数字问题、LRU缓存策略、丑数II的两种解决方案，以及如何结合哈希与链表优化数据操作。涉及查找、插入、删除、缓存管理与复杂度优化等关键知识点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据结构设计题

685 First Unique Number in Data Stream 数据流中第一个唯一的数字

分类定性

960 First Unique Number in Data Stream 数据流中第一个唯一的数字

查找某个元素是否已经出现过
记录插入顺序
插入
删除或标记重复元素

657 Insert Delete GetRandom O(1)，O(1)实现数组插入/删除/随机访问

哈希和线性结构链表组合起来，弥补各自不足，链表拿下标和维系顺序，哈希查找时间复杂度为O(1)。

查找某个元素是否已经出现过
插入
删除元素
随机获取元素

134 LRU Cache，LRU缓存策略

需要key->value查找
查找某个元素是否已经出现过
插入
删除

4 Ugly Number II 丑树 II

第1种方法：
最小堆+set
每次可以取出堆当前最小数字，这个最小数字的的插入顺序未必是最先的。
利用set判别某个数字是否已经被插入过堆中，进行去重。

第2种方法：
动态规划
三指针，分别乘2、3、5得到最小的数字，且相应的最小的所有指针向后移，再分别乘2、3、5，以此往复

612 K Closest Points K个最近的点

思路一：把所有点都排序，然后选择最小的k个，时间复杂度O(NlogN)，空间复杂度O(K)
思路二：把所有点都放入最小堆，然后从最小堆取出k个，时间复杂度O(NlogN)，空间复杂度O(N)
思路三：用最大堆一直维持top最小元素。大于k就弹出，永远保证剩下的最小的三个数。时间复杂度O(NlogK)，空间复杂度O(K)。

545 Top k Largest Number II，前K大数 II

最大的3个数，用最小堆，add时间复杂度O(logK)，topK时间复杂度O(KlogK)，空间复杂度O(K)。
若是最小3个数，就用最大堆。