力扣刷题之栈与队列(3) | 239. 滑动窗口最大值、347. 前 K 个高频元素

Leetcode 239. 滑动窗口最大值

题目链接

思路

根据滑动窗口的移动过程，每次移动时，很像是一个队列。每次移动完成三步操作：pop( ), push( ), getMaxValue( )。
如果用优先级队列来解决这道题，由于我们需要获取最大值，那采用大顶堆（排序的二叉树，将最大值放在最上面）。每次将窗口中的数递减存入队列中，那么再次向后移动时，由于原来的数字顺序发生改变，我们可能无法直接pop掉原先的数值。所以不能使用优先级队列。
这里我们使用单调队列，即维护元素里面的单调递增和单调递减，和优先级队列不同，我们可以自定义元素的添加、pop、push。对于本道题，我们没有必要将滑动窗口内的所有数都加入队列，只需要维护可能成为最大值的序列。

难点

设计单调队列的时候，pop，和push操作要保持如下规则：

1. pop(value)：如果窗口移除的元素==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。
2. push(value)：如果窗口添加的元素>单调队列入口的元素，那么就将队列入口的元素弹出，直到push元素的数值<=队列入口元素的数值为止。

保持如上规则，每次窗口移动的时候，只要deque.front()就可以返回当前窗口的最大值。

为了更直观的感受到单调队列的工作过程，以题目示例为例，输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3，动画如下：

代码(Java)

写法：自定义单调队列

class MyQueue{
    Deque<Integer> deque=new LinkedList<>();

    void poll(int val){
        //弹出元素时,需要比较需弹出的数值是否等于队列出口的数值
        if (!deque.isEmpty() && val == deque.peek())
            deque.poll();
    }

    void add(int val){
        //添加元素时,若添加的元素大于前面的元素,则弹出元素,直到添加元素的数值<=队列入口元素的数值为止
        while (!deque.isEmpty() && val > deque.getLast()){
            deque.removeLast();
        }
        deque.add(val);
    }

    int peek(){
        return deque.peek();
    }
}
class Solution {
    public int[] maxSlidingWindow(int[] nums, int k){
        if (nums.length==1)
            return nums;

        int len = nums.length - k + 1;
        int[] res = new int[len];
        int index = 0;

        MyQueue myQueue = new MyQueue();
        //先将前k个元素放入队列
        for (int i = 0; i < k; i++) {
            myQueue.add(nums[i]);
        }
        res[index++]=myQueue.peek();

        //滑动窗口
        for (int i = k; i < nums.length; i++) {
            myQueue.poll(nums[i-k]);
            myQueue.add(nums[i]);
            res[index++]=myQueue.peek();
        }
        return res;
    }
}

代码随想录链接

下面是代码随想录的文章链接与视频链接，帮助大家更好地理解这道题。
文章
视频

Leetcode 347. 前 K 个高频元素

题目链接

思路

这道题需要做下列三个操作：

1. 统计各元素出现的频率
2. 对频率进行排序
3. 找出前k个高频元素

由于需要统计各个元素出现的频率，根据之前所学的哈希，我们可以用HashMap来进行统计。key存放元素，value存放元素出现的次数。

接着我们再按照value进行排序，按快速排序的时间复杂度，对所有元素进行排序为nlogn。但其实没有必要对所有元素的频率进行排序，我们只需要k个高频元素的有序集合，所以用到大顶堆（堆头是最大元素）和小顶堆（堆头是最小元素）。

难点

这道题我一开始认为采用大顶堆，因为需要求前k个高频元素，则有序集合里面的元素从大到小来排序，所以用大顶堆。若定义一个大小为k的大顶堆，当我们添加新的元素时，却pop掉了最大的元素。

所以我们要用小顶堆，因为只有小顶堆pop掉最小的元素，最后小顶堆里积累的才是前k个最大元素。

寻找前k个最大元素流程如图所示：（图中的频率只有三个，所以正好构成一个大小为3的小顶堆，如果频率更多一些，则用这个小顶堆进行扫描）

代码(Java)

写法：小顶堆

时间复杂度：O(nlogn)
空间复杂度：O(n)

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer,Integer> map = new HashMap<>();
        for (int i = 0; i < nums.length; i++) {
            map.put(nums[i],map.getOrDefault(nums[i],0)+1);
        }

        //出现次数按从队头到队尾的顺序是从小到大排,出现次数最低的在队头(相当于小顶堆)
        PriorityQueue<int[]> priorityQueue = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
        for (Map.Entry<Integer,Integer> entry : map.entrySet()){
            if (priorityQueue.size()<k){
                priorityQueue.add(new int[]{entry.getKey(), entry.getValue()});
            }else {
                //当前元素出现次数大于小顶堆的根结点
                if (entry.getValue()>priorityQueue.peek()[1]){
                    priorityQueue.poll();
                    priorityQueue.add(new int[]{entry.getKey(),entry.getValue()});
                }
            }
        }
        int[] res = new int[k];
        for (int i = k-1; i >= 0 ; i--) {
            res[i] = priorityQueue.poll()[0];
        }
        return res;
    }
}

代码随想录链接

下面是代码随想录的文章链接与视频链接，帮助大家更好地理解这道题。
文章
视频

总结

在239. 滑动窗口最大值中，由于队列没有必要维护窗口里的所有元素，只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的，这里使用了自定义单调队列。
在347. 前 K 个高频元素中，使用了优先级队列，这里我们也是对部分数据进行排序，而不是对所有数据排序。大家经常说的大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接**用PriorityQueue（优先级队列）**就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。