239. 滑动窗口的最大值
之前讲的都是栈的应用,这次该是队列的应用了。本题算比较有难度的,需要自己去构造单调队列,建议先看视频来理解。
题目链接/文章讲解/视频讲解:代码随想录
重点:
1. 单调队列
2. 单调队列和优先级队列是有区别的,单调队列如果插入的元素不符合队列的单调性,那么前面的元素都将被删除,而优先级队列是会把这个要插入的元素放到他应该在的位置。
思路:
1. 自定义一个队列
2. 每当新加入一个元素时,判断它是否比前面的元素大,如果是的话,把前面比他小的元素全部pop出队列
3. 窗口往后滑动时,需要判断当前队列口的元素是否为窗口剔出的元素
public static int[] maxSlidingWindow(int[] nums, int k) {
if (nums.length == 1) {
return nums;
}
int[] result = new int[nums.length - k + 1];
int resultIndex = 0;
MyQueue myQueue = new MyQueue();
// 先把前k个给放入队列
for (int i = 0; i < k; i++) {
myQueue.push(nums[i]);
}
result[resultIndex++] = myQueue.getMaxValue();
for (int i = k; i < nums.length; i++) {
// 窗口滑动了,判断是否需要移除最前面的元素
myQueue.pop(nums[i - k]);
// 推入新加的元素
myQueue.push(nums[i]);
// 记录最大值
result[resultIndex++] = myQueue.getMaxValue();
}
return result;
}
class MyQueue {
Deque<Integer> deque;
public MyQueue() {
this.deque = new ArrayDeque<>();
}
public void pop(int val) {
// 窗口往后滑动了
// 比较窗口滑动要弹出的值是否等于队列的第一个值,是的话弹出
if (!deque.isEmpty() && val == deque.peekFirst()) {
deque.pollFirst();
}
}
public void push(int val) {
// 添加元素时,比这个元素小的之前加入的所有值都要弹出
// val不能大于等于deque.peekLast(),因为pop是把窗口外的元素pop,
// 如果窗口往后滑,但此时窗口内有两个最大值,如果只保留了一个,
// 那么本身在后面的最大值也被删除了
while (!deque.isEmpty() && val > deque.peekLast()) {
deque.pollLast();
}
deque.add(val);
}
public int getMaxValue() {
// 单调递减队列的队列头始终为最大值
return deque.getFirst();
}
}
347. 前K个高频元素
大/小顶堆的应用, 在C++中就是优先级队列本题是大数据中取前k值的经典思路,了解想法之后,不算难。
题目链接/文章讲解/视频讲解:代码随想录
重点:
1. 优先级队列,大小顶堆的应用
思路:
1. 先用Map将频率记录下来,key:count
2. 循环Map的entrySet,用小顶堆对频率排序,小顶堆只用维护k个
3. 因为是小顶堆,直接倒序输出即可
public static int[] topKFrequent(int[] nums, int k) {
if (nums.length == 1) {
return nums;
}
// 用Map将频率记录下来
Map<Integer, Integer> frequentMap = new HashMap<>();
for (int num : nums) {
frequentMap.put(num, frequentMap.getOrDefault(num, 0) + 1);
}
// 创建一个从小到大存储的优先级队列
PriorityQueue<int[]> priorityQueue = new PriorityQueue<>((pair1, pair2) -> pair1[1] - pair2[1]);
for (Map.Entry<Integer, Integer> entry : frequentMap.entrySet()) {
int[] entrySet = new int[2];
entrySet[0] = entry.getKey();
entrySet[1] = entry.getValue();
// 将数组存入优先级队列,优先级队列将自动按照从小到大排序,小的在队头
priorityQueue.add(entrySet);
// 因为优先级队列只需要维护k个,将多余的弹出
if (priorityQueue.size() > k) {
priorityQueue.poll();
}
}
// 因为我们的优先级队列是从小到大排序的,所以倒着放入result数组即可
int[] result = new int[k];
for (int i = k - 1; i >= 0; i--) {
result[i] = priorityQueue.poll()[0];
}
return result;
}
栈与队列总结
栈与队列的理论基础
容器类型:在Java中,
Stack
和Queue
也是容器,但值得注意的是,Java的Queue
是一个接口,而不是一个具体的类。Java版本:
Stack
和Queue
在Java的早期版本中就存在,一直保留至今。实现方式:在Java中,
Stack
是一个具体类,基于动态数组或向量(Vector
)来实现,但Vector
本身也已经有些过时。Queue
是一个接口,它定义了队列的基本行为,然后有不同的实现类可以选择,如LinkedList
、PriorityQueue
和ArrayDeque
等,来实现不同类型的队列。迭代器:在Java中,
Stack
类提供了一个iterator
方法,返回一个迭代器,可以用于遍历栈中的元素。但是需要注意,由于栈的特性,遍历栈的迭代器可能会以一种与栈的先进后出(LIFO)顺序不同的方式返回元素。至于Queue
接口,它同样提供了迭代器(Iterator
)来遍历队列中的元素。根据不同的队列实现,遍历的顺序可能会有所不同,例如LinkedList
的队列将遵循先进先出(FIFO)顺序,而PriorityQueue
将遵循其自定义的优先级顺序。了解了栈与队列基础之后,那么可以用栈与队列:栈实现队列 (opens new window)和 栈与队列:队列实现栈 (opens new window)来练习一下栈与队列的基本操作。
值得一提的是,用栈与队列:用队列实现栈还有点别扭 (opens new window)中,其实只用一个队列就够了。
一个队列在模拟栈弹出元素的时候只要将队列头部的元素(除了最后一个元素外) 重新添加到队列尾部,此时在去弹出元素就是栈的顺序了。
栈经典题目
括号匹配问题
在栈与队列:系统中处处都是栈的应用 (opens new window)中我们讲解了括号匹配问题。
括号匹配是使用栈解决的经典问题。
有三种不匹配的情况:
- 第一种情况,字符串里左方向的括号多余了 ,所以不匹配。
- 第二种情况,括号没有多余,但是 括号的类型没有匹配上。
- 第三种情况,字符串里右方向的括号多余了,所以不匹配。
这里还有一些技巧,在匹配左括号的时候,右括号先入栈,就只需要比较当前元素和栈顶相不相等就可以了,比左括号先入栈代码实现要简单的多了!
字符串去重问题
在栈与队列:匹配问题都是栈的强项 (opens new window)中讲解了字符串去重问题。
思路就是可以把字符串顺序放到一个栈中,然后如果相同的话 栈就弹出,这样最后栈里剩下的元素都是相邻不相同的元素了。
逆波兰表达式问题
在栈与队列:有没有想过计算机是如何处理表达式的? (opens new window)中讲解了求逆波兰表达式。
本题中每一个子表达式要得出一个结果,然后拿这个结果再进行运算,那么这岂不就是一个相邻字符串消除的过程,和栈与队列:匹配问题都是栈的强项 (opens new window)中的对对碰游戏是不是就非常像了。
队列经典题目
滑动窗口最大值问题
在栈与队列:滑动窗口里求最大值引出一个重要数据结构 (opens new window)中讲解了一种数据结构:单调队列。
主要思想是队列没有必要维护窗口里的所有元素,只需要维护有可能成为窗口里最大值的元素就可以了,同时保证队列里的元素数值是由大到小的。
那么这个维护元素单调递减的队列就叫做单调队列,即单调递减或单调递增的队列。
而且不要以为实现的单调队列就是对窗口里面的数进行排序,如果排序的话,那和优先级队列又有什么区别了呢。
设计单调队列的时候,pop,和push操作要保持如下规则:
- pop(value):如果窗口移除的元素value等于单调队列的出口元素,那么队列弹出元素,否则不用任何操作
- push(value):如果push的元素value大于入口元素的数值,那么就将队列出口的元素弹出,直到push元素的数值小于等于队列入口元素的数值为止
保持如上规则,每次窗口移动的时候,只要问que.front()就可以返回当前窗口的最大值。
单调队列不是一成不变的,而是不同场景不同写法,总之要保证队列里单调递减或递增的原则,所以叫做单调队列。
不要以为本地中的单调队列实现就是固定的写法。
求前K个高频元素
在栈与队列:求前 K 个高频元素和队列有啥关系? (opens new window)中讲解了求前 K 个高频元素。
通过求前 K 个高频元素,引出另一种队列就是优先级队列。
什么是优先级队列呢?
其实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。
而且优先级队列内部元素是自动依照元素的权值排列。
那么它是如何有序排列的呢?
缺省情况下priority_queue利用max-heap(大顶堆)完成对元素的排序,这个大顶堆是以vector为表现形式的complete binary tree(完全二叉树)。
什么是堆呢?
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。
所以大家经常说的大顶堆(堆头是最大元素),小顶堆(堆头是最小元素),如果懒得自己实现的话,就直接用priority_queue(优先级队列)就可以了,底层实现都是一样的,从小到大排就是小顶堆,从大到小排就是大顶堆。
本题就要使用优先级队列来对部分频率进行排序。 注意这里是对部分数据进行排序而不需要对所有数据排序!
栈与队列总结
在栈与队列系列中,我们强调栈与队列的基础,也是很多同学容易忽视的点。
使用抽象程度越高的语言,越容易忽视其底层实现,而C++相对来说是比较接近底层的语言。
我们用栈实现队列,用队列实现栈来掌握的栈与队列的基本操作。
接着,通过括号匹配问题、字符串去重问题、逆波兰表达式问题来系统讲解了栈在系统中的应用,以及使用技巧。
通过求滑动窗口最大值,以及前K个高频元素介绍了两种队列:单调队列和优先级队列,这是特殊场景解决问题的利器,是一定要掌握的。