栈与队列part02
day42-1 ● 150. 逆波兰表达式求值
什么是逆波兰表达式
后缀表达式是一种很适合计算机来做运算的一种表达式,因为后续表达式不需要加括号
如何使用栈来计算
栈的计算过程: 遇见数字就加入到栈里面 ,遇见操作符就从栈里面取出元素做计算然后再把数字加入到栈中
括号匹配也是用栈来解决的
消除字符串中的重复项
代码实现
class Solution {
public int evalRPN(String[] tokens) {
Deque<Integer> stack = new LinkedList<>();
for (String s : tokens) {
if ("+".equals(s)){
stack.push(stack.pop() + stack.pop());
}else if ("-".equals(s)){
stack.push(-stack.pop() + stack.pop());
} else if ("*".equals(s)) {
stack.push(stack.pop() * stack.pop());
}else if ("/".equals(s)){
int a = stack.pop();
int b = stack.pop();
stack.push(b / a);
}else {
stack.push(Integer.valueOf(s));
}
}
return stack.pop();
}
}
总结
关键是理解逆波兰表达式
day42-2 ● 239. 滑动窗口最大值 (有点难度,可能代码写不出来,但一刷至少需要理解思路)
整体思路
难点:如何求窗口里面的最大值
一pop一push
优先级队列:大顶堆或者小顶堆,只不过是单调递增或单调递减,大顶堆最大元素在最上面,小顶堆最小元素在最下面
使用优先级队列顺序会改变,所有不能使用优先级队列,所有得自己实现队列,这种队列叫单调队列
单调队列模拟过程
代码实现
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if (nums.length == 1) {
return nums;
}
int len = nums.length - k + 1;
// 存放结果元素
int[] res = new int[len];
int num = 0;
// 自定义队列
MyQueue myQueue = new MyQueue();
// 先将前k的元素放入队列
for (int i = 0; i < k; i++) {
myQueue.add(nums[i]);
}
res[num++] = myQueue.peek();
for (int i = k; i < nums.length; i++) {
// 滑动窗口移除最前面的元素,移除是判断该元素是否放入队列
myQueue.poll(nums[i - k]);
// 滑动窗口加入最后面的元素
myQueue.add(nums[i]);
// 记录对应的最大值
res[num++] = myQueue.peek();
}
return res;
}
}
class MyQueue {
Deque<Integer> deque = new LinkedList<>();
// 弹出元素时,比较当前要弹出的数值是否等于队列出口的数值,如果相等则弹出
void poll(int val){
if(!deque.isEmpty() && deque.peek() == val){
deque.poll();
}
}
// 添加元素时,如果要添加的元素大于入口处的元素,就将入口元素弹出,保证队列元素单调递减
// 比如此时队列元素3,1,2将要入队,比1大,所以1弹出,此时队列:3,2
void add(int val){
while (!deque.isEmpty() && deque.peekLast() < val){
deque.removeLast();
}
deque.add(val);
}
// 队列队顶元素始终为最大值
int peek(){
return deque.peek();
}
}
总结
day42-3 ● 347.前 K 个高频元素 (有点难度,可能代码写不出来,一刷至少需要理解思路
整体思路
用小顶堆,每次pop最小的元素,留下的都是最大的
代码实现
class Solution {
// 最小堆实现
public int[] topKFrequent(int[] nums, int k) {
// key为数组元素 val为对应的出现次数
Map<Integer, Integer> map = new HashMap<>();
for (int num : nums) {
map.put(num, map.getOrDefault(num, 0) + 1);
}
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2) -> pair1[1] - pair2[1]);
for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
// 最小顶堆元素个数小于k个时直接加
if (pq.size() < k) {
pq.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(这k个元素中出现次数最少的那个)
if (entry.getValue() > pq.peek()[1]) {
// 弹出队头(小顶堆的根结点),即把堆里出现次数最少的那个删除,留下的就是出现次数多的了
pq.poll();
pq.add(new int[]{entry.getKey(), entry.getValue()});
}
}
}
int[] res = new int[k];
// 依次弹出小顶堆,先弹出的是堆的根,出现次数少,后面弹出的出现次数多
for (int i = k - 1; i >= 0; i--) {
res[i] = pq.poll()[0];
}
return res;
}
}
总结
如何统计频率
如何用堆来解决前K个高频的问题