trie树词频统计根据频率排序

要根据词频从高到低排序，可以使用堆（heap）数据结构来实现。具体步骤如下：

1. 构建trie树，并将每个单词的词频存储在trie树节点中。

2. 遍历整个trie树，将每个节点的单词和词频存储在一个元组中，并将元组插入到堆中。

3. 通过堆排序，将元组按照词频从高到低排序。

4. 遍历排序后的堆，输出每个节点的单词和词频即可。

以下是一个Python代码示例：

import heapq

class TrieNode:
    def __init__(self):
        self.children = {}
        self.is_word = False
        self.freq = 0

class Trie:
    def __init__(self):
        self.root = TrieNode()

    def insert(self, word):
        node = self.root
        for ch in word:
            if ch not in node.children:
                node.children[ch] = TrieNode()
            node = node.children[ch]
        node.is_word = True
        node.freq += 1

    def traverse(self):
        heap = []
        def dfs(node, word):
            if node.is_word:
                heapq.heappush(heap, (-node.freq, word))
            for ch, child in node.children.items():
                dfs(child, word + ch)
        dfs(self.root, "")
        return heap

    def top_k(self, k):
        heap = self.traverse()
        res = []
        for i in range(k):
            if heap:
                freq, word = heapq.heappop(heap)
                res.append((word, -freq))
        return res

# Example usage:
words = ["apple", "banana", "apple", "cherry", "banana", "apple"]
trie = Trie()
for word in words:
    trie.insert(word)
print(trie.top_k(2))  # Output: [('apple', 3), ('banana', 2)]

在上面的代码中，我们首先定义了一个`TrieNode`类和一个`Trie`类，并分别用来表示trie树节点和trie树。

在`Trie`类中，`insert`方法用来向trie树中插入单词，`traverse`方法用来遍历整个trie树，并将每个节点的单词和词频存储到一个元组中，并将元组插入到堆中。最后，使用`top_k`方法来返回排序后的前k个元素。

在示例中，我们首先定义了一个包含一些单词的列表，然后创建了一个trie树，并将每个单词插入到trie树中。最后，我们调用`top_k`方法来获取词频最高的前两个单词。