代码随想录算法训练营第十三天| 239. 滑动窗口最大值，347.前 K 个高频元素

239. Sliding Window Maximum

• 思路
• 有点难
  • 遍历数组，存到deque里
    • 如果遍历到的数比deque里最后一个数大 —>poll()
      • 如此在滑动到index= k-1时，deque.peek()就是最大数

• java
  
  class Solution {
      public int[] maxSlidingWindow(int[] nums, int k) {
          ArrayDeque deque = new ArrayDeque<>();
          int n = nums.length;
          int[] res = new int[n- k + 1];
          int idx = 0;
          for(int i = 0; i < n; i++){
              // 根据题意，i为nums下标，是要在[i - k + 1, i] 中选到最大值，只需要保证两点
              // 1.队列头结点需要在[i - k + 1, i]范围内，不符合则要弹出
              while(!deque.isEmpty() && deque.peek() < i - k + 1){
                  deque.poll();
              }
              // 2.既然是单调，就要保证每次放进去的数字要比末尾的都大，否则也弹出
              while(!deque.isEmpty()&& nums[deque.peekLast()] < nums[i]){
                  deque.pollLast();
              }
              
              deque.offer(i);
              // 因为单调，当i增长到符合第一个k范围的时候，每滑动一步都将队列头节点放入结果就行了
              if(i >=k -1){
                  res[idx++] = nums[deque.peek()];
              }
          }
          return res;
      }
  }

 347. Top K Frequent Elements

• 思路
  • 基于大小顶堆
    • 基于小顶堆: NLOGK由于只维护K个元素

      • java
        
        class Solution {
            //基于小顶堆实现
            public int[] topKFrequent(int[] nums, int k) {
                Map map = new HashMap<>();
                for(int num : nums){
                    map.put(num, map.getOrDefault(num, 0) + 1);
                }
                 //在优先队列中存储二元组(num,cnt),cnt表示元素值num在数组中的出现次数
                //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 pq = new PriorityQueue<>((pair1,pair2)->pair1[1] - pair2[1]);
                for(Map.Entry entry : map.entrySet()){
                    //小顶堆只需要维持k个元素有序
                    //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]){
                            pq.poll();
                            pq.add(new int[]{entry.getKey(), entry.getValue()});
                        }
                    }
                }
                //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
                int[] ans = new int[k];
                for(int i = k -1; i >=0; i--){
                    ans[i] = pq.poll()[0];
                }
                return ans;
            }
        }

    • 基于大顶: TC NLOGN
      • 思路与小顶堆差不多，但由于大顶堆是全部存完之后pop头上K个元素，所以要维护所有的元素，为NLOGN