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]