代码随想录算法训练营第13天|● 239. 滑动窗口最大值 ● 347.前 K 个高频元素

---

前言

今天是队列专项：都需要思考，不是很难，重新做

链接
原来csdn的粉丝都是机器人,我说怎么那么多人,好吧,我随便记录一下,既然没有人看

239. 滑动窗口最大值

💖非常典型的队列题目

思路

暴力求解: 遍历一遍的过程中每次从窗口中再找到最大的数值，这样很明显是O(n × k)的算法
总体思路: 此时我们需要一个队列，这个队列呢，放进去窗口里的元素，然后随着窗口的移动，队列也一进一出，每次移动之后，队列告诉我们里面的最大值是什么。

保证队列里的元素单调递减: 队列里面放入一个元素就和前面一个元素比较,如果比它大就pop前面的,如果比它小再放进去; [有动图]

设计单调队列的时候，pop，和push操作要保持如下规则：

• pop(value)：如果窗口向后移动要移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作
• push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出【大于入口说明大于所有的,前面所有的都弹出】，直到push元素的数值小于等于队列入口元素的数值为止
• 

自己写 注意事项【最好重新做一遍】

1. python的deque的index也是从0开始从最左边开始标；
2. 怎么方便怎么来：pop和popleft都用到了
3. 所有的pop操作都需要判断是否为空【我在写myqueue的pop就忘了】
4. push的def再看一下写法

from collections import deque
class MyQueue: #单调队列（从大到小
    def __init__(self):
        self.queue = deque() #这里需要使用deque实现单调队列，直接使用list会超时
    
    #每次弹出的时候，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。
    #同时pop之前判断队列当前是否为空。
    def pop(self, value):
        if self.queue and value == self.queue[0]:
            self.queue.popleft()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()
            
    #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。
    #这样就保持了队列里的数值是单调从大到小的了。
    def push(self, value):
        while self.queue and value > self.queue[-1]:
            self.queue.pop()
        self.queue.append(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。
    def front(self):
        return self.queue[0]
class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """

        que = MyQueue()
        result = []
        for i in range(k): #先将前k的元素放进队列
            que.push(nums[i])
        result.append(que.front()) #result 记录前k的元素的最大值
        for i in range(k, len(nums)):
            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.append(que.front()) #记录对应的最大值
        return result

347.前 K 个高频元素

思路

知识补充：大顶堆和小顶堆注意这个里面使用大小顶堆进行排序

• 本题中使用小顶堆：因为小顶堆最上面的是最小的，会弹出去，把小的都弹出去之后留下大的；
• python使用heapq来做顶堆：heapqpush(ans, ele_v)的时候放入堆，它会自动排序；headpop弹出最顶部的那个；

这道题目主要涉及到如下三块内容：

1. 要统计元素出现频率
2. 对频率排序
3. 找出前K个高频元素

💘统计频率：使用map来做呀，这时候要记住了
排序：通常是使用快排，返回前k个，但是由于这里只需要k，所以只用对k个元素进行维护；
具体做法：遍历的时候使用小顶堆，当小顶堆长度大于k的时候，就pop出去根节点最小的，这样保证留下来的都是k大的；
但是由于小顶堆pop出去的都是从小到大，题目要求从大到小；方法：在装入result数组 的时候，从后往前装–1

方法一 使用顶堆

注意事项

1. 在 搭建小顶堆的时候，push进去的是键值对，但是value要写在前面，因为根据value来进行堆的构建：heapq.heappush(pri_que, (freq, key))
   相应的，pop之后也是一对以(freq, key)排序的，加入result的时候append ele[1]:heapq.heappop(pri_que)[1]
2. 要记住了：map_[nums[i]] = map_.get(nums[i], 0) + 1这一行代码来统计频率
3. 创建小顶堆也是用的数组；pri_que
4. 倒序修改list需要先创建一个那么大的list[0]*K
   
   

import heapq
class Solution(object):
    def topKFrequent(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        map_ = {}
        for i in range(len(nums)):
            map_[nums[i]] = map_.get(nums[i],0)+1
        pri_que = []
        for key, value in map_.items():
            heapq.heappush(pri_que,(value,key))
            if len(pri_que)>k:
                heapq.heappop(pri_que)
        result = [0]*k
        for i in range(k-1,-1,-1):
            result[i] = heapq.heappop(pri_que)[1]
        return result

方法二 使用字典

普通排序的方法

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        # 使用字典统计数字出现次数
        time_dict = defaultdict(int)
        for num in nums:
            time_dict[num] += 1
        # 更改字典，key为出现次数，value为相应的数字的集合
        index_dict = defaultdict(list)
        for key in time_dict:
            index_dict[time_dict[key]].append(key)
        # 排序
        key = list(index_dict.keys())
        key.sort()
        result = []
        cnt = 0
        # 获取前k项
        while key and cnt != k:
            result += index_dict[key[-1]]
            cnt += len(index_dict[key[-1]])
            key.pop()

        return result[0: k]

总结-栈与队列的总结

知识点的补充