自平衡的有序（局部有序）数据结构，堆顶元素最大（小顶堆）或者最小（小顶堆），呈二叉树结构，父节点均大于或者小于子节点。

获取堆顶元素的时间复杂度为 O(1)；删除，更新堆元素的时间复杂度为 O(logk)。

空间复杂度为 O(1)，取决于堆的大小。

使用场景：

• topk 问题
• 合并有序子文件
• 堆排序，时间复杂度 nlogk
• 计算中位数，或者其它分位数（例如90分位，99分位），通过两个堆实现

top_k 问题

问题：Top-K 高频元素
给定整数数组 nums 与整数 k，返回出现频率最高的 k 个元素，顺序不限。
若有并列，返回任意一组满足条件的元素即可。
若 k 大于不同元素的数量，则返回全部不同元素。

示例:
输入：nums = [1,1,1,2,2,3], k = 2
输出：[1,2]（或 [2,1]）

你需要完成的内容1. 编写代码（Python）
完成实现函数，可使用标准库（如 collections, heapq），勿使用第三方库。

基于堆的代码实现：

# 时间复杂度 O(n + nlogk) = O(nlogk)
def top_k_heap(nums:[], k:int):
    from heapq import nlargest
    from collections import Counter

    count_map = Counter(nums)
    k = min(k, len(count_map))

    top_k_items = nlargest(k, count_map.items(), key=lambda x: x[1])
    return [num for num, _ in top_k_items]

nums = [1,1,1,2,2,3]
print(top_k_heap(nums, 2))