代码随想录算法训练营第十三天|Leetcode239 滑动窗口最大值、Leetcode347 前 K 个高频元素

● Leetcode239 滑动窗口最大值

题目链接：Leetcode239 滑动窗口最大值
视频讲解：代码随想录|滑动窗口最大值
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	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]

● 解题思路

关于滑动窗口最大值不适合使用priority_queue解决，因为priority_queue虽然按大根堆或小根堆对元素进行排列，可以知道k个元素中最大值，但在priority_queue添加入元素后会改变元素顺序，无法保证是滑动窗口内的元素。
在这里，我们自定义一个单调队列，使得k个元素从大到小排列。
但我们需要思考：每个元素都有维护的必要吗？我们在k个元素内，需要维护的区间内的最大元素，当区间内最大元素不变，插入元素小于等于最大元素，就没必要插入。因此，我们只需要对区间内最大元素维护即可，同时为了方便最大元素获取和滑动窗口移动，将最大元素放到队头。
基于单调队列，我们给出整体思想：自定义单调队列需要包含三个函数：
（1）pop()：弹出元素，当遍历元素和队首元素相等，弹出队首元素；
（2）push()：插入元素，当插入元素大于队尾元素时，循环删除队尾元素，再插入新元素；
（3）front()：返回单调队列的最大值，即队头元素。

时间复杂度：O(n) 空间复杂度：O(k)

● 代码实现

class Solution {
public:
    class motonicQue
    {
    public:
        deque<int> qu;

        //弹出元素
        void pop(int val)
        {
            //当队首元素与遍历元素相等时弹出元素
            if(!qu.empty() && qu.front() == val)
            {
                qu.pop_front();
            }
        }

        void push(int val)
        {
            //当插入元素大于队列中元素时，就没有维护的必要
            while(!qu.empty() && val > qu.back())
            {
                qu.pop_back();
            }
            qu.push_back(val);
        }

        //队首元素即最大值
        int front()
        {
            return qu.front();
        }
    };

    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        vector<int> res;

        motonicQue qu;

        //先插入前k个元素
        for(int i = 0; i < k; i++)
        {
            qu.push(nums[i]);
        }
        //获取前三个元素的最大值
        res.push_back(qu.front());

        for(int i = k; i < nums.size(); i++)
        {
            qu.pop(nums[i - k]);//移动滑动窗口
            qu.push(nums[i]);//插入新元素
            res.push_back(qu.front());
        }
        return res;
    }
};

● 优先级队列

大根堆和小根堆

堆是一种经过排序的完全二叉树，其中任一非终端节点的数据值均不大于（或不小于）其左孩子和右孩子节点的值。
**小根堆：**根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最小者的堆称为小根堆；
**大根堆：**根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最大者，称为大根堆。

优先级队列（Priority_queue）

PriorityQueue是一种基于优先级堆实现的队列，它继承了AbstractQueue接口并实现了PriorityQueue接口。在PriorityQueue中，元素按照优先级顺序排列，可以通过提供Comparator接口的实现来指定元素之间的比较规则。缺省情况下priority_queue利用max-heap完成对元素的排序，这个大顶堆是以vector为表现形式的complete binary tree（完全二叉树）。
C++中，使用优先级队列需要包含头文件，优先级队列的定义如下：

priority_queue<typename, container, functional>

typename是数据的类型；
container是容器类型，可以是vector,queue等数组容器，但不能是list，默认vector；
functional是比较的方式，默认是大顶堆（就是元素值越大，优先级越高）；如果使用C++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）。使用自定义的数据类型的时候，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）。

● Leetcode347 前 K 个高频元素

题目链接：Leetcode347 前 K 个高频元素
视频讲解：代码随想录|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]

● 解题思路

我们需要思考：
（1）使用哪种数据结构统计元素及其频率：
我们需要记录元素以及其出现频率，通过哈希章节我们很快就会想到使用map，因为map提供键值对，方便我们记录关联数值；
（2）怎么对元素出现频率进行排序：
对频率进行排序，我们很快能想到的是快排，但使用快排要将map转换为vector的结构，然后对整个数组进行排序， 而这种场景下，我们其实只需要维护k个有序的序列就可以了，所以使用优先级队列是最优的；
（3）如何找出前k频率的元素：
在（2）的基础上我们知道要使用优先级队列，但使用大根堆的优先级队列还是小根堆的优先级队列仍需要选择。根据大根堆和小根堆的特性，如果我们需要对元素进行pop()操作，肯定是对频率低的元素进行pop()，如果使用大根堆，我们的结果和预想刚好相反，因此需要使用小根堆。

时间复杂度：O(nlogk) 空间复杂度：O(n)

● 代码实现

class Solution {
public:
    class mycmp
    {
    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) {
        //统计元素出现的频率
        unordered_map<int, int> map;
        for(int i = 0; i < nums.size(); i++)
        {
            map[nums[i]]++;
        }

        //按照元素出现频率排序
        priority_queue<pair<int, int>, vector<pair<int, int>>, mycmp> pri_que;
        for(unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++)
        {
            pri_que.push(*it);
            if(pri_que.size() > k) pri_que.pop(); //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
        }

        //输出前k频率元素
        vector<int> res(k);
        for(int i = k - 1; i >= 0; i--)
        {
            res[i] = pri_que.top().first;
            pri_que.pop();
        }
        return res;
    }
};