239. 滑动窗口最大
初步想法
暴力解法
题解
https://programmercarl.com/0239.%E6%BB%91%E5%8A%A8%E7%AA%97%E5%8F%A3%E6%9C%80%E5%A4%A7%E5%80%BC.html
单调队列,即单调递减或单调递增的队列
核心:用队列记录窗口里可能成为最大值的元素。
滑动窗口每次移动一个
窗口移动时,最左侧的pop出去,push一个右边挨着的
考虑当前窗口:
如果第二个元素是最大的,那么第一个元素不会是当前窗口的最大值,更不会是下一个窗口的最大值;
如果第三个元素是最大的,那么第一个和第二个不会是当前的最大值,也不会是下一个窗口的最大值,第一个会因为窗口的移动被pop出去,第二个即使在窗口中也比第三个小,因此只有第三个需要与下一个窗口种加进来的数字进行对比
基于此,遍历窗口中的数字时,一个一个的push 进我们自己维护的队列中,每push 一个需要保证队列里所有的元素都比它大,如果比他小,则需要从队列中pop出去
除了因为push而需要被pop出去的,还需要在push之前确保上一个滑动窗口的第一个值不在当前队列中
ummmmmm总的来说,思路不好象,代码也不好写…
from collections import deque
class MyQueue: #单调队列(从大到小
def __init__(self):
self.queue = deque() #这里需要使用deque实现单调队列,直接使用list会超时
#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。
def pop(self, value):
if self.queue and value == self.queue[0]:
self.queue.popleft()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()
#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。
def push(self, value):
while self.queue and value > self.queue[-1]:
self.queue.pop()
self.queue.append(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。
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): #先将前k的元素放进队列
que.push(nums[i])
result.append(que.front()) #result 记录前k的元素的最大值
for i in range(k, len(nums)):
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.append(que.front()) #记录对应的最大值
return result
347.前 K 个高频元素
题解
https://programmercarl.com/0347.%E5%89%8DK%E4%B8%AA%E9%AB%98%E9%A2%91%E5%85%83%E7%B4%A0.html
用map key是元素,value是频率,然后需要对value进行排序 =>使用小顶堆
为什么不用大顶堆?我们需要维护一个固定大小的堆,如果要加入新的元素,需要pop一个,堆在pop时是从根节点pop,使用大顶堆在Pop时会把大的pop掉
#时间复杂度:O(nlogk)
#空间复杂度:O(n)
import heapq
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
#要统计元素出现频率
map_ = {} #nums[i]:对应出现的次数
for i in range(len(nums)):
map_[nums[i]] = map_.get(nums[i], 0) + 1
#对频率排序
#定义一个小顶堆,大小为k
pri_que = [] #小顶堆
#用固定大小为k的小顶堆,扫描所有频率的数值
for key, freq in map_.items():
heapq.heappush(pri_que, (freq, key))
if len(pri_que) > 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
heapq.heappop(pri_que)
#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
result = [0] * k
for i in range(k-1, -1, -1):
result[i] = heapq.heappop(pri_que)[1]
return result