给定一个数组 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。
这题考察对双端队列的使用
本体思路就是实现一个队列 队列右边是back 左边是front 使队列的front上永远保持窗口最大的元素
每次窗口移动先移除元素 再添加元素 再返回窗口里的最大值
pop移除元素:每次移动窗口要删除的和窗口最左边的元素如果和队列中的front元素相同就删除队列中front的元素 不相同就不用操作
push增加元素:每次从队列的back添加 如果前面的数比要添加的数小就把前面的数删掉直到前面没有更大的数为止
front就是返回队列的front元素 即最大值
自己实现一个队列:
每次窗口移动的时候,调用que.pop(滑动窗口中移除元素的数值),que.push(滑动窗口添加元素的数值),然后que.front()就返回我们要的最大值
class Solution {
private:
class MyQueue { //单调队列(从大到小)
public:
deque<int> que; // 使用deque来实现单调队列
// 每次弹出的时候,比较当前要弹出的数值是否等于队列出口元素的数值,如果相等则弹出。
// 同时pop之前判断队列当前是否为空。
void pop(int value) {
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
// 如果push的数值大于入口元素的数值,那么就将队列后端的数值弹出,直到push的数值小于等于队列入口元素的数值为止。
// 这样就保持了队列里的数值是单调从大到小的了。
void push(int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(value);
}
// 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
int front() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // result 记录前k的元素的最大值
for (int i = k; i < nums.size(); i++) {
que.pop(nums[i - k]); // 滑动窗口移除最前面元素
que.push(nums[i]); // 滑动窗口前加入最后面的元素
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
关于为什么先将k个元素放入队列 :得保证有了创口才能移动 还有就是如果直接操作前三个数能弄出好几个窗口结果
还有要放public 要不然默认private 无法调用函数
queue和deque有什么区别
de是双向队列
队头队头都能进出
347.前 K 个高频元素
给定一个非空的整数数组,返回其中出现频率前 k 高的元素。
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]
class Solution {
public:
// 小顶堆
class mycomparison {
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) {
// 要统计元素出现频率
unordered_map<int, int> map; // map<nums[i],对应出现的次数>
for (int i = 0; i < nums.size(); i++) {
map[nums[i]]++;
}
// 对频率排序
// 定义一个小顶堆,大小为k
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
// 用固定大小为k的小顶堆,扫面所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > k) { // 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
pri_que.pop();
}
}
// 找出前K个高频元素,因为小顶堆先弹出的是最小的,所以倒序来输出到数组
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
思路是定义一个 map队 key储存元素 value储存元素出现的次数
优先队列priority_queue将元素出现的次数进行排序 得到目标值
优先队列有小顶堆 大顶堆之分 他们是二叉数结构 大顶堆是根节点的元素比左右节点的都大 每当空间大小满的时候插入新元素会将根节点pop掉也就是最大的数pop掉 小堆顶反之 因为此题是保留k个大的数 所有不能用大顶堆
priority_queue<Type, Container, Funcitonal>
其中,Type是优先队列中数据类型, Container指容器类型 装这些元素所用的容器(必须是数组实现的容器,如vector,deque,不能是list。STL中默认是 vector),Functional 指比较的方式(大于号是从小到大即小顶堆),当需要用自定义的类型时才需要传这三个参数,使用基本数据类型时,只需要传入数据类型即可,默认构造是大顶堆
优先队列用的是小顶堆 小顶堆的是从小到大排序 因为设定队列大小为k 所以优先队列满了之后每次都会去除根节点 也就是最小的数 最后遍历完成后留下k个最大的数 因为是从小到大排列 最后定义vector数组将队列中的元素倒着取出就是从小到大了
class mycomparison是比较方式 代码中写的是小顶堆
*it解引用