前 K 高频：小顶堆卡住淘汰线
先数每个数出现几次。堆里只留 K 个，堆顶是频率最低的那个：新来的更勤就把它踢走。也可以按频率分桶，从高往低倒。
哈希表统计频率。维护容量 K 的小顶堆：堆未满就放入；满了且新频率大于堆顶才替换。或把数字放进下标等于频率的桶，从高频率往下取 K 个。堆法时间 O(n log K)，桶法 O(n)，空间都是 O(n)。
给你一个整数数组和整数 k，返回出现次数最多的 k 个不同的数。顺序不限。同一个数出现多次，只按「这个值出现了几次」计分，不按下标。
主例 nums = [1, 1, 1, 2, 2, 3]，k = 2。1 出现 3 次，2 出现 2 次，3 出现 1 次。前两名是 1 和 2。
把所有不同的数按频率排完全序能做对，但是多排了后半截用不上的名次。本文要回答：为什么堆顶可以当门槛，桶下标为什么能代替排序，以及主例里 3 是在哪一步被挡在门外的。
堆顶是当前第 K 名的门槛
第一直觉是先数次数，再把「数字、次数」两两排序，切前 k 个。主例三个不同的数，排序一下就结束。数组很长、k 却很小的时候，为了只要前 2 名去排一万种数字，后半截比较全是浪费。另一种错觉是不数次数、直接在原数组上找「出现得多的」，没有频率表就无法比较 1 和 2 谁更勤。
缺的不是完整排行榜，而是一个能动态维护「当前前 K 名」的小结构。先用哈希表走一遍数组，得到每个值的频率——主例是 1→3、2→2、3→1。接下来只在这张短表上干活。我们要的是频率最高的 K 个，等价于：手里始终拿着 K 个候选人，新来的若比最弱的那个还弱，直接丢掉。
小顶堆按频率比大小，堆顶是这 K 个里最弱的，也就是淘汰线。堆没满，谁来都收。堆满了，新频率 ≤ 堆顶，进不去；新频率更大，弹出堆顶、把新人放进去。扫描结束，堆里剩下的就是前 K 名。每个不同的数只对堆操作一次，代价是 O(log K)，不是 O(log n)。
用手走主例，k=2。先把 1 和 2 放进堆：频率 3 和 2，堆顶是更弱的 2，演示第一帧堆里是 [2,1]。轮到 3，频率只有 1，比堆顶门槛 2 小，不换——演示第二帧把这次比较标出来。收尾堆里仍是 1 和 2。3 从未成为前两名。
也可以不用堆。频率最大不会超过 n，开 n+1 个桶，下标就是次数，把数字丢进对应桶里。主例桶 3 里有 1，桶 2 里有 2，桶 1 里有 3；从下标 n 往下扫，收满 k 个停。这一趟是线性的。两种做法第一步都是哈希计数，分歧只在第二步怎么取出前 K。
题目保证答案唯一，不用处理「并列第 K」要不要多返回。空数组或 k 等于不同数字个数时，堆会自然装下全部。不要把原数组排序当频率——排序只能让相同值挨在一起，还得再扫一遍数次数，最后仍要选出前 K，不如一开始就用哈希表。
为什么不排序完整排序付出 O(U log U)，U 是不同数字个数。小顶堆只对 K 个元素维持秩序，门槛以下的数看一眼就丢。桶把频率当成下标，连比较都省了。主例 U=3、k=2，三种都能做对，差在规模变大以后。
Go：容器 heap + 小顶堆
func topKFrequent(nums []int, k int) []int {freq := map[int]int{}for _, n := range nums { freq[n]++ }h := &IntHeap{}for key, c := range freq {heap.Push(h, item{key, c})if h.Len() > k { heap.Pop(h) }}res := make([]int, 0, k)for h.Len() > 0 {res = append(res, heap.Pop(h).(item).val)}return res}
1第一趟只数次数。后面的堆操作次数等于不同数字个数，不再扫原数组。
2先压入再判断长度：堆比 k 多一个时，弹出的一定是当前频率最小的。这和「满了才和堆顶比」是同一道门槛。
3主例 3 的频率是 1，压入后立刻被弹出，堆回到 {1,2}。最后从堆里倒出来的顺序不必按频率排序。
总结
先哈希数次数；小顶堆卡 K 名门槛，或按频率分桶从高往低取。主例 {1,2}。
- 没有频率表就无法比较谁更勤。主例 1、2、3 的次数是 3、2、1。
- 堆顶是第 K 名的门槛。3 的次数 1 低于 2，进不了容量 2 的堆。
- 桶的下标就是次数，从大扫到小同样得到前 K，时间线性。