代码随想录第十三天 239 滑动窗口最大值 347 前k个高频元素

一 239 滑动窗口最大值

元素先进先出的特性很容易想到队列，可以使用队列+max变量来进行遍历。本题是单调队列的经典题目，**只需要维护有可能成为窗口里最大值的元素就可以了，并且保证队列里的元素数值是由大到小的。**对于pop()操作而言，如果要移除的元素等于队列最前端的元素，则弹出队列，否则不需要操作；对于push()操作而言，要入队的元素若大于入口处的元素，就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元素的数值为止。因为需要弹出队列后端的元素，因此需要使用双端队列queue。

class Solution {
private:
    class MyQueue { //单调队列  从大到小
    public:
        deque<int> que; // 使用deque来实现单调队列

        // 弹出的时候，比较当前要弹出的数值是否等于队列出口元素的数值，如果相等则弹出。
        void pop(int value) {
            if (!que.empty() && value == que.front()) {
                que.pop_front();
            }
        }
        // 如果push的数值大于入口元素的数值，那么就将队列后端的数值弹出，直到push的数值小于等于队列入口元素的数值为止。
        // 保持队列里的数值是单调从大到小的了。
        void push(int value) {
            while (!que.empty() && value > que.back()) {
                que.pop_back();
            }
            que.push_back(value);

        }
        // 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
        int front() {
            return que.front();
        }
    };
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        MyQueue que;
        vector<int> result;
        //初始化处理，将前k个的元素放进队列
        for (int i = 0; i < k; i++) { 
            que.push(nums[i]);
        }
        // result 记录前k个的元素的最大值
        result.push_back(que.front()); 
        //后续处理
        for (int i = k; i < nums.size(); i++) {
            que.pop(nums[i - k]); // 滑动窗口移除最前面元素
            que.push(nums[i]); // 滑动窗口前加入最后面的元素
            result.push_back(que.front()); // 记录对应的最大值
        }
        return result;
    
    }
};

二 347 前k个高频元素

本题的思想很简单，map来进行统计元素出现次数，再用优先级队列（大顶堆、小顶堆）进行排序。而priority_queue实际上就是默认用大顶堆进行排序的，因此本题使用priority_queue。本题如果使用快排要将map转换为vector的结构，然后对整个数组进行排序，会相对麻烦一些。

大顶堆class Solution {
public:
	
    class mycomparison {
    public:
        bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
            return lhs.second > rhs.second;
        }
    };
    vector<int> topKFrequent(vector<int>& nums, int k) {
         // nums[i],出现的次数
        unordered_map<int, int> map;
        //统计次数
        for (int i = 0; i < nums.size(); i++) {
            map[nums[i]]++;
        }

        // 对频率排序小顶堆，大小为k
        
        priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;

        // 用固定大小为k的小顶堆，扫面所有频率的数值
        for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
            pri_que.push(*it);
            if (pri_que.size() > k) { // 如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k
                pri_que.pop();
            }
        }

        // 找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒序来输出到数组
        vector<int> result(k);
        for (int i = k - 1; i >= 0; i--) {
            result[i] = pri_que.top().first;
            pri_que.pop();
        }
        return result;
    }
};

三 总结

1. 两道题分别使用了单调队列和优先级队列，要对两种队列的应用场景熟悉。
2. 对于优先级队列所使用的priority_queue的底层原理和使用方法还有待进一步熟悉。