239.滑动窗口的最大值
题目描述:
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]
思路分析:
尝试使用单调队列来记录当前窗口中的最大值。如下图所示,单调队列的入队规则是如果入队的元素前面有比自己小的数,这些数全部被剔除。注意这里说的是剔除,而不是简单的出队。因为如果是单向队列的出队的话,那么单向队列在执行步骤四时可能需要先把数字3出队后才能继续通过出队的方式将-1剔除。这就导致最大值3从队列中消失了。
所以为了更加方面的对多余元素进行剔除,单调队列在用STL容器中的双端deque进行实现,因为deque支持在队列两端进行入队、出队操作。如下图所示。这样在步骤二中的1、步骤四中的-1直接通过pop_back()进行剔除。很方便,而且还能保留最大值。
综上所述,单调队列的目的就是为了维护窗口内最大的两个数。其结构大致长这样:
class MyQueue {
public:
void push(int val) {
}
void pop(int val) {
}
int front() {
return que.front();
}
};
其中 push(int val) 表示val入队,它的规则是:如果val前面的元素比val小,那么就将这些数通过pop_back弹出,直到遇到比val大的数停止或队列为空停止。如上述的步骤二和步骤四。
pop(int val) 表示val出队,这种情况发生在滑动窗口向右移动的时候。如下图所示:
窗口滑动之后,3不在是窗口内的数,所以需要使用pop_front将单调队列中的3弹出。这里的pop_front也体现出了deque的灵活性。
如果不满足 滑动窗口移动前最左端的值 = 单调队列最左(前)端的值 这个条件,则表明刚才窗口内的最大值还在移动口的窗口内,具体情况如下图所示:
综上所述,该单调队列的代码实现如下:
class myQueue{ //自定义单调队列。从大到小排列,左边出队,右边入队
public:
deque<int> que; //双端队列
void push(int val)
{ //从队列右端输入数据。若输入的数据val比队列末尾的若干个数大,
//则将这些数弹出.直到队列为空或val遇到比自身大的数
while(!que.empty() && que.back() < val)
{
que.pop_back(); //循环弹出比val小的数
}
//val入队
que.push_back(val);
}
void pop(int val)
{
//比较滑动窗口左端要弹出数值val是否是位于单调
//队列左端的最大值,如果是,则弹出;如果不是,表明最大值这个数位于新的窗口内。
if(!que.empty() && val == que.front())
{
que.pop_front();
}
}
int front() //单调队列最左端的值就是当前窗口的最大值
{
return que.front();
}
};
有了这样的单调队列,下面给出该题的解题代码:
class Solution {
private:
class myQueue{ //自定义单调队列。从大到小排列,左边出队,右边入队
public:
deque<int> que;
void push(int val)
{ //从队列右端输入数据。若输入的数据val比队列末尾的数大,则将该数弹出.直到队列为空或val遇到比自身大的数
while(!que.empty() && que.back() < val)
{
que.pop_back(); //循环弹出比val小的数
}
//val入队
que.push_back(val);
}
void pop(int val) //比较滑动窗口左端要弹出数值val是否是位于单调队列左端的最大值
{
if(!que.empty() && val == que.front())
{
que.pop_front();
}
}
int front() //当前窗口的最大值
{
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
myQueue que;
vector<int> result;
for(int i=0;i<k;i++) //先将前k个数字入队
{
que.push(nums[i]);
}
//入队完成后,就只剩下最大的两个数
result.push_back(que.front()); //记录当前窗口最大值
for(int i = k; i<nums.size();i++)//然后从下标k开始进行窗口移动
{
//i-k和i的使用非常巧妙地模拟了窗口向右滑动的过程
que.pop(nums[i-k]); //窗口滑动先要执行是否pop出来最大值
que.push(nums[i]); //新元素入队,重新调整
result.push_back(que.front()); // 记录新的最大值
}
return result;
}
};
347.前 K 个高频元素
题目描述:
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
进阶:你所设计算法的时间复杂度 必须 优于 O(n log n)
,其中 n
是数组大小。
思路分析:
这道题目主要涉及到如下三块内容:
- 要统计元素出现频率
- 对频率排序
- 找出前K个高频元素
首先统计元素出现的频率,这一类的问题可以使用map来进行统计。
然后是对频率进行排序,这里我们可以使用一种 新的容器适配器就是优先级队列priority_queue。其详细用法可以看博主爱喝酸奶!的这篇博文:C++ 优先队列 priority_queue 使用篇。
优先队列使用vector存储数据,使用堆算法将内部的元素是自动按照元素的权值排列,对外提供的数据接口有插入push(val)、删除堆顶元素pop()、返回堆顶元素top()。
在C++的STL容器中,priority_queue所在的头文件是<queue>。我们使用unordered_map来统计各个元素及其出现的频率。然后将该map中的每一条数据加载到优先级队列中,该队列会按照权值(频率)进行堆排序,注意,是按照权值排序。
此时要思考一下,是使用小顶堆呢,还是大顶堆?
如果使用大顶堆,定义一个大小为k的大顶堆,在每次移动更新大顶堆的时候,每次弹出都把最大的元素弹出去了,那么怎么保留下来前K个高频元素呢。
而且使用大顶堆就要把所有元素都进行排序,那能不能只排序k个元素呢?
所以我们要用大小为k的小顶堆,因为要统计最大前k个元素,只有小顶堆每次将最小的元素弹出,最后小顶堆里积累的才是前k个最大元素。然后就可以依次通过top()和pop()接口获得者前k个。
由于本题要排序的是map结构的数据,所以在创建优先级队列(最小堆)时,需要自定义排序类型的仿函数二元谓词来实现排序。仿函数是指重载了小括号()的一个类,注意,一定是重载了小括号()。谓词指的是重载小括号时函数的返回值是bool类型。一元谓词指重载的小括号能接受一个参数,二元谓词指能接受两个参数。因为我们要通过比较两个权重来对优先级队列进行堆排序,所以使用二元谓词。其结构如下:
class myCompare{
public:
//const 保证原数据不被误改,&引用避免拷贝
bool operator()(const pair<int,int> &left, const pair<int,int> &right)
{
//注意这里的大于号,小顶堆是>号,大顶堆是<号。second表示权值,按照权值排序
return left.second > right.second;
}
};
题目完整代码如下:
class Solution {
public:
class myCompare{
public:
//const 保证原数据不被误改,&引用避免拷贝
bool operator()(const pair<int,int> &left, const pair<int,int> &right)
{
//注意这里的大于号,小顶堆是>号,大顶堆是<号。second表示权值,按照权值排序
return left.second > right.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> map;
for(auto num: nums)
{
++map[num]; //统计各数字出现的频次,key为原数字,value为频次
}
//构建priority_queue。队列的每一个元素都是组对pair;用于接收上面map中的每一对key-value
//使用pair的vector存储这些pair;
//排序方式为自定义的myCompare,实现最小堆排序
priority_queue< pair<int,int>, vector<pair<int,int>>, myCompare> pri_que;
//将map中的key-value依次入队,pri_que会按照myCompair进行最小堆排序
for(unordered_map<int,int>::iterator it = map.begin(); it != map.end(); it++)
{
pri_que.push(*it);
//判断队列长度是否超过k,若超过k,将堆顶的key-value弹出
if(pri_que.size() > k){
pri_que.pop();
}
}
//等所有的key-value均遍历后,优先级队列也维护完成。可以依次top()和pop()来获取前k个元素了
vector<int> result;
while(!pri_que.empty())
{
result.push_back(pri_que.top().first); //注意pri_que.top()是键值对,需要在使用first才能得到元素
pri_que.pop();
}
return result;
}
};
因为题目没有要求按频次的具体大小顺序进行结果输出,所以上述代码是将频率较低的元素存在了result对应vector的前面。如果想将频率较高的元素存前面,则可以使用下面这段代码:
vector<int> result(k);
for(int i=k-1; i>=0; i--)
{
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;