力扣100题——栈和堆

栈

每日温度

题目

739. 每日温度 - 力扣（LeetCode）

思路

利用栈先进后出的特性

• 首先当栈为空时，元素入栈
• 当栈不为空，并且temperatures[i]大于temperatures[stack.peek()]时，不断更新result数组的值，直到栈中元素温度大于当前温度或者栈为空时停止

代码

 public int[] dailyTemperatures(int[] temperatures) {
        int[] result = new int[temperatures.length];
        Stack<Integer> stack = new Stack<>();
        for (int i = 0; i < temperatures.length; i++) {
            if(stack.isEmpty()){
                stack.push(i);
                continue;
            }
            while(!stack.isEmpty()&&temperatures[i]>temperatures[stack.peek()]) {
                result[stack.peek()] = i - stack.peek();
                stack.pop();
            }
            stack.push(i);
        }
        while(!stack.empty()){
            result[stack.pop()]=0;
        }
        return result;
    }

最小栈

题目

155. 最小栈 - 力扣（LeetCode）

思路

使用两个栈，一个栈存储元素，一个栈同步存储当前栈中的最小值。

在push和pop的时候同时更新minStack，在getMin时返回minStack的元素即可

代码

class MinStack {
    private Stack<Integer> stack;
    private Stack<Integer> minStack;

    public MinStack() {
        stack = new Stack<>();
        minStack = new Stack<>();
        minStack.push(Integer.MAX_VALUE);
    }
    
    public void push(int val) {
        stack.push(val);
        minStack.push(Math.min(val, minStack.peek()));
    }
    
    public void pop() {
        stack.pop();
        minStack.pop();
    }
    
    public int top() {
        return stack.peek();
    }
    
    public int getMin() {
        return minStack.peek();
    }
}

柱状图中最大的矩形

题目

84. 柱状图中最大的矩形 - 力扣（LeetCode）

思路

解题思路

• 暴力解法：对于每根柱子，向左、向右找到第一个比它小的柱子，计算宽度，然后计算面积。这个方法时间复杂度为 O(n²)，效率较低。

• 优化解法（单调栈）：通过单调递增栈来存储柱子的索引，栈中的柱子高度按从小到大的顺序排列。每当遇到一个比栈顶柱子高度低的柱子时，弹出栈顶，计算以该柱子为最短边的矩形的面积。

单调栈方法详细步骤

1. 遍历数组：对于每一个柱子，如果当前柱子高度小于栈顶柱子的高度，说明以栈顶柱子为最短边的矩形的右边界确定了。
2. 计算面积：
   • 弹出栈顶元素，计算以该元素为高度的矩形面积。
   • 宽度为弹出元素的左右两边第一个小于它的元素之间的距离（可以通过栈内索引计算）。
3. 更新最大面积：更新最大矩形面积。
4. 处理完数组后：继续处理栈中剩余的柱子，计算它们对应的矩形面积。

代码

public int largestRectangleArea(int[] heights) {
        if(heights == null || heights.length == 0){
            return 0;
        }
        if(heights.length == 1){
            return heights[0];
        }
        Stack<Integer> stack = new Stack<>();
        int max = 0;
        for(int i=0;i<=heights.length;i++){
            int h = (i == heights.length)?0:heights[i];
            while(!stack.isEmpty()&&heights[stack.peek()]>h){
                int height = heights[stack.pop()];
                int width = stack.isEmpty()?i:i - stack.peek()-1;
                max = Math.max(max,height*width);
            }
            stack.push(i);
        }
        return max;
    }

堆

堆（Heap）是一种特殊的树形数据结构，它满足以下两个主要性质：

1. 完全二叉树：堆必须是一棵完全二叉树。即除了最后一层外，每一层的节点都是满的，且最后一层的节点从左到右依次填充。
2. 堆的性质：
   • 最大堆（Max Heap）：对于最大堆，任意节点的值总是大于或等于其子节点的值，也就是说，堆顶（根节点）是整个堆中最大的元素。
   • 最小堆（Min Heap）：对于最小堆，任意节点的值总是小于或等于其子节点的值，即堆顶是最小的元素。

数组中的第K个最大值

题目

215. 数组中的第K个最大元素 - 力扣（LeetCode）

思路

• 使用一个大小为 k 的最小堆来存储数组中的前 k 个元素。
• 遍历数组中的每个元素：
  • 如果堆的大小小于 k，直接将当前元素加入堆。
  • 如果堆的大小等于 k，且当前元素大于堆顶元素（堆顶是堆中的最小元素），则弹出堆顶元素，插入当前元素。
• 遍历结束后，堆顶元素就是数组中第 k 大的元素，因为堆中存储了 k 个最大的元素，而堆顶是最小的那个。

代码

public int findKthLargest(int[] nums, int k) {
        PriorityQueue<Integer> queue = new PriorityQueue<>();
        for (int num : nums) {
            if (queue.size() < k) {
                queue.offer(num);
            } else if(queue.peek() < num) {
                queue.poll();
                queue.offer(num);
            }
        }
        return queue.peek();
    }

前K个高频元素

题目

347. 前 K 个高频元素 - 力扣（LeetCode）

思路

• 使用最小堆+哈希表
• 思路和上一题基本一致，变的是堆中存储的元素。

代码

public int[] topKFrequent(int[] nums, int k) {
        HashMap<Integer,Integer> map = new HashMap<>();
        for(int num : nums){
            if(map.containsKey(num)){
                map.put(num,map.get(num)+1);
            }else {
                map.put(num,1);
            }
        }
        PriorityQueue<Map.Entry<Integer, Integer>> minHeap = new PriorityQueue<>(k,
                Comparator.comparingInt(Map.Entry::getValue));
        for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
            if(minHeap.size() < k){
                minHeap.add(entry);
            }else if(minHeap.peek().getValue() < entry.getValue()){
                minHeap.poll();
                minHeap.add(entry);
            }
        }
        int[]  result = new int[k];
        for(int i=0;i<k;i++){
            result[i] = minHeap.poll().getKey();
        }
        return result;
    }

数据流中的中位数

题目

295. 数据流的中位数 - 力扣（LeetCode）

思路

• 最大堆维护较小的一半元素（左半部分），堆顶是这部分的最大值。
• 最小堆维护较大的一半元素（右半部分），堆顶是这部分的最小值。
• 中位数可以根据两个堆的大小情况动态获取：
  • 如果元素总数是奇数，最大堆的堆顶元素就是中位数。
  • 如果元素总数是偶数，则中位数是最大堆堆顶和最小堆堆顶的平均值

代码

class MedianFinder {
    private Queue<Integer> minQueue;
    private Queue<Integer> maxQueue;

    public MedianFinder() {
        minQueue = new PriorityQueue<>(Collections.reverseOrder());
        maxQueue = new PriorityQueue<>();
    }
    
    public void addNum(int num) {
        maxQueue.offer(num);
        minQueue.offer(maxQueue.poll());
        if (minQueue.size() > maxQueue.size()) {
            maxQueue.offer(minQueue.poll());
        }
    }
    
    public double findMedian() {
        if(minQueue.size() < maxQueue.size()) {
            return maxQueue.peek();
        }else {
            return (minQueue.peek()+maxQueue.peek())/2.0;
        }
    }
}