代码随想录第十三天

内容：

1. 逆波兰表达式(150)
2. 滑动窗口最大值(239)
3. 前K个高频元素(347)
4. 栈与队列总结

1.逆波兰表达式求值

难度：🔥🔥

1.1 思路分析

我们需要知道这道题是如何使用栈结构进行计算的，其实逆波兰表达式相当于二叉树的后序遍历，我们遇到数据就将该数据加入到栈中，遇到运算符就从栈顶弹出两个数据运算再加入到栈中，直到遍历到最后就得到了我们想要的值。

由于这题所给的数据都是合法的，我们就不需要去处理异常情况了。

如图：

1.2 代码实现

class Solution {
    //题目所给数据都是合法的
    public int evalRPN(String[] tokens) {
        Deque<Integer> deque = new ArrayDeque<>();
        for(String s : tokens){
            if ("+".equals(s)){
                deque.push(deque.pop() + deque.pop());
            }else if("-".equals(s)){//先进栈的数据减去后进栈的数据
                deque.push(-deque.pop() + deque.pop());
            }else if("*".equals(s)){
                deque.push(deque.pop() * deque.pop());
            }else if("/".equals(s)){
                int nums1 = deque.pop();
                int nums2 = deque.pop();
                deque.push(nums2 / nums1);
            }else {
                deque.push(Integer.valueOf(s));
            }
        }
        return deque.pop();
    }
}

1.3 收获总结

• 后缀表达式对于计算机来说是十分友好的，而我们人更习惯于中缀表达式

2.滑动窗口最大值

难度：🔥🔥🔥🔥🔥🔥

1.1 思路分析

本题较难，本次刷题先跳过

1.2 代码实现

//解法一
//自定义数组
class MyQueue {
    Deque<Integer> deque = new LinkedList<>();
    //弹出元素时，比较当前要弹出的数值是否等于队列出口的数值，如果相等则弹出
    //同时判断队列当前是否为空
    void poll(int val) {
        if (!deque.isEmpty() && val == deque.peek()) {
            deque.poll();
        }
    }
    //添加元素时，如果要添加的元素大于入口处的元素，就将入口元素弹出
    //保证队列元素单调递减
    //比如此时队列元素3,1，2将要入队，比1大，所以1弹出，此时队列：3,2
    void add(int val) {
        while (!deque.isEmpty() && val > deque.getLast()) {
            deque.removeLast();
        }
        deque.add(val);
    }
    //队列队顶元素始终为最大值
    int peek() {
        return deque.peek();
    }
}

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if (nums.length == 1) {
            return nums;
        }
        int len = nums.length - k + 1;
        //存放结果元素的数组
        int[] res = new int[len];
        int num = 0;
        //自定义队列
        MyQueue myQueue = new MyQueue();
        //先将前k的元素放入队列
        for (int i = 0; i < k; i++) {
            myQueue.add(nums[i]);
        }
        res[num++] = myQueue.peek();
        for (int i = k; i < nums.length; i++) {
            //滑动窗口移除最前面的元素，移除是判断该元素是否放入队列
            myQueue.poll(nums[i - k]);
            //滑动窗口加入最后面的元素
            myQueue.add(nums[i]);
            //记录对应的最大值
            res[num++] = myQueue.peek();
        }
        return res;
    }
}

//解法二
//利用双端队列手动实现单调队列
/**
 * 用一个单调队列来存储对应的下标，每当窗口滑动的时候，直接取队列的头部指针对应的值放入结果集即可
 * 单调队列类似 （tail -->） 3 --> 2 --> 1 --> 0 (--> head) (右边为头结点，元素存的是下标)
 */
class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        ArrayDeque<Integer> 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;
    }
}

1.3 收获总结

3.前K个高频元素

难度：🔥🔥🔥🔥

1.1 思路分析

这道题目就引出了优先队列的使用

存储数组中的值以及对应值出现的次数是Map的拿手好戏，接下来我们可以对Map的Value进行排序，即可得到前K个高频元素。

那我们可不可以只对前K个元素进行排序呢？答案是可以的。堆这种数据结构就可以实现，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。而大顶堆虽然看似符合我们要找前K个高频元素的要求，但如果只对K个元素进行排序，那么大顶堆就会优先poll()出数值大的元素，剩下的是低频元素，所以我们使用小顶堆。

但队列中的元素小于 K 个时，我们直接添加。反之我们判断堆顶元素与要添加值的大小，再判断是否添加。

如图：

1.2 代码实现

基于小顶堆实现

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        //使用Map和小顶堆来解决这个问题
        Map<Integer,Integer> map = new HashMap<>();
        //将我们的键值对放入map中
        for(int n : nums){
			//Map.getOrDefault(key，默认值)；
			//Map中会存储一一对应的key和value。
			//如果在Map中存在key，则返回key所对应的的value。
			//如果在Map中不存在key，则返回默认值。
            map.put(n,map.getOrDefault(n,0) + 1);
        }
        //按照小顶堆排序,小的value放在上面
        PriorityQueue<int[]> queue = new PriorityQueue<>((pair1,pair2) -> pair1[1] - pair2[1]);
        //遍历map，添加到优先队列中,entrySet()可以直接获取对应的 Key 和 Value
        for(Map.Entry<Integer,Integer> entry : map.entrySet()){
            //如果队列中的元素小于k个，我们直接添加
            if (queue.size() < k){//以二元数组形式添加
                queue.add(new int[]{entry.getKey(),entry.getValue()});
            }else {//反之，如果我们要添加的Value大于堆顶的Value
                if (entry.getValue() > queue.peek()[1]){
                    queue.poll();
                    queue.add(new int[]{entry.getKey(),entry.getValue()});
                }
            }
        }
        //按照高频在前，低频在后的顺序
        int[] result = new int[k];
        for(int i = k - 1;i >= 0;i--){
            result[i] = queue.poll()[0];
        }
        return result;
    }
}

1.3 收获总结

• 理解什么是大顶堆，小顶堆以及什么时候该使用大顶堆，小顶堆。

4.栈与队列总结