Day13|239. 滑动窗口最大值, 347.前 K 个高频元素
239. 滑动窗口最大值
思路
没太有思路,不知道应该用什么样的思维和技巧去做题。
看代码随想录视频,该题为队列的应用,需要构造单调队列。
遍历一遍数组,每次将滑动窗口不需要的值pop,然后push新的值,每次求队列中的最大值。
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
def getMax(queue):
maximum = float('-inf')
for i in queue:
if i > maximum:
maximum = i
return maximum
queue = deque([])
maximum = []
for i in range(k):
queue.append(nums[i])
maximum.append(getMax(queue))
for i in range(k, len(nums)):
queue.popleft()
queue.append(nums[i])
maximum.append(getMax(queue))
return maximum
问题:
测试用例通过,但整体超出时间限制。
该方法相当于暴力解法,并不是视频中所说的单调队列。
构造单调队列解法
首先,需要自己构造一个单调队列。
关键点在于,如何维护这个单调队列。
规则:
- push进队列的元素,如果该元素比前面的所有元素都大,则将前面的元素全部pop
- 此时,最大值一直保持为队列顶端(出口处)的元素
from collections import deque
class MyQueue:
def __init__(self):
self.queue = deque()
def pop(self, value):
if self.queue and value == self.queue[0]:
self.queue.popleft()
def push(self, value):
while self.queue and value > self.queue[-1]:
self.queue.pop()
self.queue.append(value)
def front(self):
return self.queue[0]
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
que = MyQueue()
result = []
for i in range(k):
que.push(nums[i])
result.append(que.front())
for i in range(k, len(nums)):
que.pop(nums[i - k])
que.push(nums[i])
result.append(que.front())
return result
总结
写代码的时候没想到要用class去构造一个单调队列,甚至包括push,pop等方法也要重新构造。
之后需要再自己写一遍
Python:整数的最大值和最小值
max_value = float(‘inf’)
min_value = float(‘-inf’)
347.前 K 个高频元素
思路
学习什么是“堆”
题目需要对频率进行排序,这里可以使用容器适配器:优先级队列。
优先级队列就是一个披着队列外衣的堆,因为优先级队列对外接口只是从队头取元素,从队尾添加元素,再无其他取元素的方式,看起来就是一个队列。
堆是一棵完全二叉树,树中每个结点的值都不小于(或不大于)其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆,小于等于左右孩子就是小顶堆。
用python实现堆
在 Python 中,堆通常通过 heapq 模块来实现。heapq 提供了一些堆操作的函数,用于在列表上实现堆的行为。
- 创建堆:
heapq.heapify(iterable)
: 将可迭代对象(如列表)转换为堆。 - 堆的基本操作:
heapq.heappush(heap, elem)
: 将元素添加到堆中。
heapq.heappop(heap)
: 弹出并返回堆中的最小元素。
import heapq
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
map_ = {}
for i in range(len(nums)):
map_[nums[i]] = map_.get(nums[i], 0) + 1
pri_que = []
for key, freq in map_.items():
heapq.heappush(pri_que, (freq, 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