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:
- 定义一个单调队列
- 运用单调队列
二、自主定义一个单调队列:
- 目标:能够提供符合我们要求的pop、push和getmax
- 借助的工具:双向队列 deque que;
- 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。
- 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
- 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:
- 双向队列用的是push_back()、push_front()、pop_back()、pop_front()
- 栈stack/队列queue用的是push()、pop()、top()/front() ,
- 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。