day11 150.逆波兰表达式求值 239.滑动窗口最大值 347.前K个高频元素

redohealer

于 2024-09-21 22:33:54 发布

阅读量592

点赞数 6

文章标签：算法

本文链接：https://blog.csdn.net/2301_79240694/article/details/142425884

版权

150.逆波兰表达式求值

根据逆波兰表示法，求表达式的值。

有效的运算符包括 + , - , * , / 。每个运算对象可以是整数，也可以是另一个逆波兰表达式。

说明：

整数除法只保留整数部分。给定逆波兰表达式总是有效的。换句话说，表达式总会得出有效数值且不存在除数为 0 的情况。

示例 1：

输入: ["2", "1", "+", "3", " * "]
输出: 9
解释: 该算式转化为常见的中缀算术表达式为：((2 + 1) * 3) = 9

示例 2：

输入: ["4", "13", "5", "/", "+"]
输出: 6
解释: 该算式转化为常见的中缀算术表达式为：(4 + (13 / 5)) = 6

示例 3：

输入: ["10", "6", "9", "3", "+", "-11", " * ", "/", " * ", "17", "+", "5", "+"]
输出: 22

解释:该算式转化为常见的中缀算术表达式为：

((10 * (6 / ((9 + 3) * -11))) + 17) + 5       
= ((10 * (6 / (12 * -11))) + 17) + 5       
= ((10 * (6 / -132)) + 17) + 5     
= ((10 * 0) + 17) + 5     
= (0 + 17) + 5    
= 17 + 5    
= 22

1
2
3
4
5
6
7

逆波兰表达式：是一种后缀表达式，所谓后缀就是指运算符写在后面。

平常使用的算式则是一种中缀表达式，如 ( 1 + 2 ) * ( 3 + 4 ) 。

该算式的逆波兰表达式写法为 ( ( 1 2 + ) ( 3 4 + ) * ) 。

逆波兰表达式主要有以下两个优点：

去掉括号后表达式无歧义，上式即便写成 1 2 + 3 4 + * 也可以依据次序计算出正确结果。
适合用栈操作运算：遇到数字则入栈；遇到运算符则取出栈顶两个数字进行计算，并将结果压入栈中。

第一种方法：

class Solution:
    def evalRPN(self, tokens: List[str]) -> int:
        result = []

        
        for i in range(len(tokens)):
            if tokens[i] in {"+", "-", "*", "/"}:
                nums1 = result.pop()
                nums2 = result.pop()
                if tokens[i] == "+":
                    result.append(int(nums2) + int(nums1))
                if tokens[i] == "-":
                    result.append(int(nums2) - int(nums1))
                if tokens[i] == "*":
                    result.append(int(nums2) * int(nums1))
                if tokens[i] == "/":
                    result.append(int(nums2 / nums1))
            else:
                result.append(int(tokens[i]))

        return result.pop()

239.滑动窗口最大值

给定一个数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回滑动窗口中的最大值。

进阶：

你能在线性时间复杂度内解决此题吗？

提示：

1 <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4
1 <= k <= nums.length

第一种方法（构造单调队列）：

from collections import deque


class MyQueue: # 单调队列（从大到小）
    def __init__(self):
        self.queue = deque() # 这里使用deque实现单调队列，使用list会超时
    
    # 每次弹出时，比较当前要弹出的值是否等于队列出口的数值，如果相等就弹出
    # 进行pop之前判断队列是否为空
    def pop(self, value):
        if self.queue and value == self.queue[0]:
            self.queue.popleft() # list.pop()时间复杂度为O(n)，这里使用collections.deque
        
    # 在push数值时，比较要push的数值与队列末尾数值，将小于要push数值的队列数值弹出,直到push的数值小于等于队列入口元素为止
    # 这样就保持了队列里的数值是单调从大到小的   
    def push(self, value):
        while self.queue and value > self.queue[-1]:
            self.queue.pop()

        self.queue.append(value)
    
    # 查询当前队列里的最大元素 直接返回队列前端就行了
    def front(self):
        return self.queue[0]


class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        que = MyQueue()
        result = []
        for i in range(k): # 将前K个元素先放入队列中
            que.push(nums[i])
        result.append(que.front()) # 记录当前队列中最大元素，也就是队列前端元素
        for i in range(k, len(nums)): 
            que.pop(nums[i - k]) # 滑动窗口移除最前面的元素
            que.push(nums[i]) # 滑动窗口加入最后面的元素
            result.append(que.front()) # 记录对应最大元素
        return result

347.前K个高频元素

给定一个非空的整数数组，返回其中出现频率前 k 高的元素。

示例 1:

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

示例 2:

输入: nums = [1], k = 1
输出: [1]

提示：

你可以假设给定的 k 总是合理的，且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于 $O(n \log n)$ , n 是数组的大小。
题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的。
你可以按任意顺序返回答案。

第一种方法（使用优先队列（小顶堆））：

import heapq
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        # 要统计元素出现频率
        map = {}
        for i in range(len(nums)):
            map[nums[i]] = map.get(nums[i], 0) + 1

        # 使用最小堆来跟踪前K个元素
        priority_que = [] # 初始化一个空数组作为堆使用 小顶堆

        for key, freq in map.items():
            heapq.heappush(priority_que, (freq, key)) # 将（freq, key) push进heap
            if len(priority_que) > k:
                heapq.heappop(priority_que) # heap大小大于k，就移除最小的频率

        # 以相反顺序提取元素（因为小顶堆，先弹出顶部最小频率）
        result = [0] * k
        for i in range(k - 1, -1, -1):
            result[i] = heappop(priority_que)[1]
        
        return result

第二种方法（使用字典+排序）：

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        # 使用字典统计数字出现次数
        time_dict = defaultdict(int)
        for num in nums:
            time_dict[num] += 1
        
        # 反转字典，key为出现次数，value为元素
        index_dict = defaultdict(list)
        for key in time_dict:
            index_dict[time_dict[key]].append(key)
        
        # 排序
        key = list(index_dict.keys())
        key.sort()

        # 获取前K个高频元素
        result = []
        cut = 0
        while key and cut != k:
            result += index_dict[key[-1]]
            cut += len(index_dict[key[-1]])
            key.pop()

        return result[0:k]