代码随想录算法训练营第十三天|239.滑动窗口最大值、347.前K个高频元素

239.滑动窗口最大值

题目链接： 239. 滑动窗口最大值 - 力扣（LeetCode）

看到本题的第一想法就是用暴力解决，但是用暴力解决的话他的时间复杂度就是O(n*k)，有可能会超出时间限制。

解题思路： 

首先了解两个概念，一个是vector，一个是单调队列

 单调队列大概是我们想象的理想中的一种数据结构，在本题中我们想象有这样一个队列，现将数组中前K个值传入队列，然后get最大值，再将前列口的pop出，再将数组中k+1个元素从后列口push入，再get最大值。但是现实中没有这样一种现成的数据结构，所以就需要我们模拟一下这个结构。

本题中我们可以用deque去模拟，将数组中的元素一个一个的push入队列，每push一个值就将其与入口（后列口）比较，若大于就先将后列口的值pop掉，在push入目标值，这样再滑动窗口滑动时能保证出口处（前列口）为此滑动窗口中的最大值。

具体代码如下:

class Solution {
private:
class MyQueue{
public:
    deque<int> que;//单调队列
    //模拟单调队列的操作
    void pop(int value){
        if(!que.empty() && value == que.front()){//当传入值与队列中的最大值相等时就将前列口的值pop出
            que.pop_front();
        }
    }
    void push(int value){
        while(!que.empty() && value > que.back()){
           que.pop_back();
        }//只要传入值大于后列口的值时就将后列口的值pop出，再将value传入队列后方
        que.push_back(value);
    }
    int front(){
        return que.front();//前列口的值为滑动窗口中最大值
    }
};
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        MyQueue que;
        vector<int> result;
        for(int i = 0;i < k;i++){
            que.push(nums[i]);//将滑动窗口中的数传入单调队列
        }
        result.push_back(que.front());
        for(int i = k;i < nums.size();i++){
            que.pop(nums[i - k]);
            que.push(nums[i]);//移动滑动窗口
            result.push_back(que.front());
        }
        return result;
    }
};

---

347.前K个高频元素 

题目链接：347. 前 K 个高频元素 - 力扣（LeetCode）

解题思路：

在解本题之前我们先了解两个概念：大顶堆和小顶堆（这种数据结构的底层逻辑是二叉树），最大堆的个节点大于子节点，最小堆的根节点小于子节点（pop的时候从根节点开始）

  本题用到了一个自定义的优先级队列（此数据结构是C++中特有的，具有自动排序功能，但是按照大顶堆排序还是小顶堆排序就要看我们定义的时候自定义的第三个函数参数了），用这个优先级队列去模拟小顶堆的数据结构并记录前k个高频率元素，为什么不是大顶堆，因为不管是大小顶堆他的底层逻辑都是树，如果是大顶堆那么根节点就是频率最大的元素，当这个优先级队列的长度超出了k，那么就要将超出的元素pop掉，这样就将频率最高的pop掉了，不符合题意了，所以我们选择小顶堆，最后在倒着pop一下就可以了。

具体代码如下:

class Solution {
    class compare {
    public:
        bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
            return lhs.second > rhs.second;//实现小顶堆
        }
    };
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int,int> map;//map<nums[i],对应出现的次数>
        for(int i = 0;i < nums.size();i++){
            map[nums[i]]++;//将数组中数据存入map
        } 
        priority_queue<pair<int,int>,vector<pair<int,int>>,compare> pir_que;//定以一个自定义的优先级队列（这里的compare实现的是小顶堆）。
        unordered_map<int,int>::iterator it = map.begin();//将map映射到it上进行遍历
        while(it != map.end()){
            pir_que.push(*it);//将map集合中的数据push入队列，因为it是一个映射的值所以要解引用他，传入他的真实值
            if(pir_que.size() > k){//保持队列的长度始终为k，如果超出就pop掉
                pir_que.pop();
            }
            it++;
        }
        //因为小顶堆的根节点是最小值，所以从后开始遍历
        vector<int> result(k);
        for(int i = k - 1;i >= 0;i--){
            result[i] = pir_que.top().first;
            pir_que.pop();
        }
        return result;
    }
};