代码随想录算法训练营第十一天|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

150. 逆波兰表达式求值

给你一个字符串数组 tokens ，表示一个根据 逆波兰表示法 表示的算术表达式。

请你计算该表达式。返回一个表示表达式值的整数。

注意：

• 有效的算符为 '+'、'-'、'*' 和 '/' 。
• 每个操作数（运算对象）都可以是一个整数或者另一个表达式。
• 两个整数之间的除法总是 向零截断 。
• 表达式中不含除零运算。
• 输入是一个根据逆波兰表示法表示的算术表达式。
• 答案及所有中间计算结果可以用 32 位 整数表示。

示例 1：

输入：tokens = ["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：tokens = ["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：tokens = ["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

提示：

• 1 <= tokens.length <= 104
• tokens[i] 是一个算符（"+"、"-"、"*" 或 "/"），或是在范围 [-200, 200] 内的一个整数

逆波兰表达式：

逆波兰表达式是一种后缀表达式，所谓后缀就是指算符写在后面。

• 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；遇到算符则取出栈顶两个数字进行计算，并将结果压入栈中

  ---

int evalRPN(vector<string>& tokens) {
        stack<long long> st;
        for(int i=0;i<tokens.size();i++)
        {
            if(tokens[i]=="+"||tokens[i]=="-"||tokens[i]=="*"||tokens[i]=="/")
            {
                long long x1=st.top();
                st.pop();
                long long x2=st.top();
                st.pop();
                long long s3;
                if(tokens[i]=="+")
                s3=x2+x1;
                if(tokens[i]=="-")
                s3=x2-x1;
                if(tokens[i]=="*")
                s3=x2*x1;
                if(tokens[i]=="/")
                s3=x2/x1;
                st.push(s3);
            }
            else
            {
                st.push(stoll(tokens[i]));
            }
        }
        int result = st.top();
        st.pop(); // 把栈里最后一个元素弹出（其实不弹出也没事）
        return result;
    }

我之前在王道上学过如何将中缀表达式转化为后缀表达式，所以思路很好想到。但这题我仍然纠结了很久，主要是因为一些代码细节：

• Int、long、long long：

类型	存储字节	范围
int	2	-2147483648~2147483647（十位数，二十亿）
long	4	-2147483648~2147483647（十位数，二十亿，2的31次方）
long long	8	9223372036854775808～+9223372036854775807（2的63次方）

总：int\long、double的数量级最大都只能表示为10亿，表示十进制的位数不超过10个，即可保存所有9位整数。而short只是能表示5位；

• 变量的作用域

  在if{…}内部定义的变量，不可在if外部继续使用！

• 字符串转化为数字：

  1.stoi()——将字符串转换为int

  2.stoll()——将字符串转换为long long

  3.stof()——将字符串转换为float

  4.stod()——将字符串转换为double

  （“4”、“3”等数字字符串是不能直接加减乘除的，必须要进行类型的转换才可以）

  239. 滑动窗口最大值

给你一个整数数组 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 。

示例 1：

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3
输出：[3,3,5,5,6,7]
解释：
滑动窗口的位置                最大值
---------------               -----
[1  3  -1] -3  5  3  6  7       3
 1 [3  -1  -3] 5  3  6  7       3
 1  3 [-1  -3  5] 3  6  7       5
 1  3  -1 [-3  5  3] 6  7       5
 1  3  -1  -3 [5  3  6] 7       6
 1  3  -1  -3  5 [3  6  7]      7

示例 2：

输入：nums = [1], k = 1
输出：[1]

提示：

• 1 <= nums.length <= 105

• -104 <= nums[i] <= 104

• 1 <= k <= nums.length

  ---

自定义队列法

本题难度是很大的，先看代码吧：

class Solution {
        public:
          class MyQueue{
          public:
                deque<int> que;
            void pop(int &val)
            {
                if(!que.empty()&&que.front()==val)
                    que.pop_front();
            }
            void push(int &val)
            {
                while(!que.empty()&&val>que.back())
                    que.pop_back();
                que.push_back(val);
            }
            int getMax()
            {
                return que.front();
            }
            };
                vector<int> maxSlidingWindow(vector<int>& nums, int k) {
                    MyQueue que;
                    vector<int> result;
                    for(int i=0;i<k;i++)
                        que.push(nums[i]);
                    result.push_back(que.getMax());
                    for(int i=k;i<nums.size();i++)
                    {

                        que.pop(nums[i-k]);
                        que.push(nums[i]);
                        result.push_back(que.getMax());
                    }
                    return result;
                }
            };

一、总体思路：

1. 定义一个单调队列
2. 运用单调队列

二、自主定义一个单调队列：

1. 目标：能够提供符合我们要求的pop、push和getmax
2. 借助的工具：双向队列 deque que;
3. 对于pop():并不是一味地将队头元素弹出，而是要经过判断，如果当前队头元素确实是要出队的元素，那么可以弹出；但是如果当前队头元素并不是要出队的元素，则说明这个元素在push()里面就出队了，这时就不能弹出队头元素。
4. 对于push():在入队之前我们需要判断，队列里面的元素是否大于要入队的元素，如果队列里面的元素<要入对的元素，就要在入队之前把这些元素全部卷出去。这样可以确保：在任意一个时刻或状态下，队头的元素都是该滑动窗口的最大值
5. 对于getmax():由于push()已经设计好了，队头元素就是最大值，直接返回队头元素即可。

三、为什么要这样设计？

答：问题的本质就是找出窗口的最大值，然后还能不停的增加和减少元素来不断循环。我们设计的起点就是如何获取最大值：我们通过push()的思路，使得每一次队头元素都是最大值，然后再根据这个设计和调整pop()即可。

四、主函数里怎么操作？

​ 核定步骤已经设计好了，我们去运用就好了。首先是将k个值入队，得出一个max。然后逻辑发生了变化：要对之后的元素依次的入队，同时对前面的元素出队。每经过一次出队和入队之后就会形成一个新的滑动窗口，然后返回最大值。依次循环。

另外，一些代码细节：

1. 双向队列用的是push_back()、push_front()、pop_back()、pop_front()
2. 栈stack/队列queue用的是push()、pop()、top()/front() ,
3. vector用的是push_back()、pop_back()

347.前 K 个高频元素

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

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：

• 1 <= nums.length <= 105
• k 的取值范围是 [1, 数组中不相同的元素的个数]
• 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

优先级队列法

这次一刷大概知道思路就可以了，代码我没有去具体实现，还是卡哥的代码：

class Solution {
public:
    // 小顶堆
    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) {
        // 要统计元素出现频率
        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]]++;
        }
        //用下面这种写法也可以
        /*for(int i=0;i<nums.size();i++)
        {
            if(map.find(nums[i])==map.end())
                map.insert(pair<int,int>(nums[i],1));
            else
                map.find(nums[i])->second++;
        }*/

        // 对频率排序
        // 定义一个小顶堆，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;

    }
};

总体思路：

• 首先，用哈希表来存储，此时不同元素及其频率都放在了map中

• 然后，使用优先级队列：

#include<queue>
  priority_queue<typename, container, functional>

• typename是数据的类型，如int、string和kv数据结构等；
• container是容器类型，可以是vector,queue等用数组实现的容器，不能是list，默认可以用vector；
• functional是比较的方式，默认是大顶堆即less；如果是int、double等基本数据类型，可以直接使用自带的less和greater这两个仿函数（默认使用的是less，就是构造大顶堆，元素小于当前节点时下沉）。如果是自定义的数据类型，可以重写比较函数，也可以进行运算符重载（less重载小于“<”运算符，构造大顶堆；greater重载大于“>”运算符，构造小顶堆）。

需要注意的是，在自定义一个小顶堆的时候，格式参考上述代码：先定义类，在类内定义函数。

• 其次，遍历哈希表并存储于优先级队列，同时控制优先级队列内元素的个数为k个

• 最后，将优先级队列里面的元素按倒序存储在result数组里面就行了（小顶堆每次弹出的都是最小的元素），注意此时存储的不再是键值对，而是数值。