LC20: 括号配对
核心思路:匹配相同的相邻元素,做消除
- 利用栈后进先出的特点,遍历整个字符串,动态匹配相同的相邻元素
class Solution:
def isValid(self, s: str) -> bool:
par_dict = {"}":"{", "]": "[", ")": "("}
in_stack = []
# 后进先出,LIFO
# 匹配消除
for i in s:
if i in par_dict.keys() and in_stack:
if in_stack[-1] == par_dict[i]:
in_stack.pop()
continue
in_stack.append(i)
if not in_stack:
return True
else:
return False
LC1047
误区:认为需要反复遍历字符串
- 实际上利用栈的性质,只要保持动态消除,就能够消除所有可能相邻的相同元素
class Solution:
def removeDuplicates(self, s: str) -> str:
in_stack = []
for i in s:
if in_stack and i == in_stack[-1]:
in_stack.pop()
continue
in_stack.append(i)
tmp = ''.join(in_stack)
return tmp
LC150
根据列表中的元素,按照数学计算的规则与顺序,生成正确的计算表达式(利用括号)
- Reverse Polish Notation (RPN):逆波兰表示法,运算符位于数字之后
- 此类表示本身能够实现从左至右线性计算
- 这道题的目的就是顺利解析这种表达式
- 若为数字,则直接存入栈中
- 每检索到一个运算符号元素
- 就将存储的栈中的倒数两个元素进行相应运算
- 将运算的两个元素从栈中去除
- 重新存入运算结果到栈中
class Solution:
def evalRPN(self, tokens: List[str]) -> int:
standard = ["+", "-", "*", "/"]
in_stack = []
for i in tokens:
if i.isdigit():
in_stack.append(int(i))
elif len(i) >= 2 and i[0] == "-" and i[1:].isdigit():
in_stack.append(-int(i[1:]))
elif i in standard and len(in_stack) >= 2:
if i == "+":
tmp = in_stack[-1] + in_stack[-2]
elif i == "-":
tmp = in_stack[-2] - in_stack[-1]
elif i == "*":
tmp = in_stack[-2] * in_stack[-1]
else:
tmp = int(in_stack[-2] / in_stack[-1])
in_stack.pop()
in_stack.pop()
in_stack.append(tmp)
return in_stack[0]
LC239:最大滑动窗口
一个由
nums
组成的整数数组,有一个大小为 k 的滑动窗口从数组的最左边移动到最右边。只能看到窗口中的 k 个数字。每次滑动窗口向右移动一个位置。
返回最大滑动窗口。
遍历
- 直接遍历整个数组,得到最大滑动窗口:超时
- 时间复杂度: O ( n × k ) O(n\times k) O(n×k)
核心思路:单调队列
- 需要一个队列结构,存放窗口内的
k
个数字,随着窗口的移动,队列也保持动态调整(每次窗口移动时,先移除部分元素的数值,再添加元素的数值) - 这个队列中的元素保持从大到小的排序(单调递减队列),通过始终返回队列的第一个数值,得到最大的滑动窗口值
- 无需维护窗口内的所有元素,只需要维护所有可能成为最大值的元素
- pop: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,否则不进行任何操作【窗口的更新】
- push:如果push的元素value大于入口元素的数值,那么就将队列入口的元素弹出,直到push元素的数值小于等于队列入口元素为止
from collections import deque
class MyQueue:
def __init__(self):
# 直接使用List会超时
self.queue = deque()
# 比较当前需要弹出的数值是否为出口元素的数值
# 即跟随着窗口的滑动调整队列
def pop(self, value):
if self.queue and value == self.queue[0]:
self.queue.popleft()
def push(self, value):
# push的数值大于队列入口的元素,则将队列后端的数值弹出
# 等于的情况可以保留,允许重复(因为不是同一个位置的值)
while self.queue and value > self.queue[-1]:
self.queue.pop()
self.queue.append(value)
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):
que.push(nums[i])
# 每k个数,存一个最大值
result.append(que.front())
for i in range(k, len(nums)):
que.pop(nums[i-k])
que.push(nums[i])
result.append(que.front())
return result
LC347
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。
核心思路:优先级队列 or 小顶堆
- 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。
- 要用小顶堆,因为要统计最大前k个元素,只有小顶堆每次将最小的元素弹出,最后小顶堆里积累的才是前k个最大元素。
难点/思考
- 之前的思路就是字典结构获取每个元素出现的次数,然后进行排序
- 但对于排序的复杂度认识不足,其实排序才是最具计算复杂度的部分
Python 堆:heapq
heappush
:按照堆的方式加入元素heapop
:弹出堆中最小的值
import heapq
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
# 统计元素出现的频次
tmp_dict = {}
for i in nums:
if i not in tmp_dict:
tmp_dict[i] = 1
else:
tmp_dict[i] += 1
# 构建小顶堆
pri_que = []
for key, freq in tmp_dict.items():
heapq.heappush(pri_que, (freq, key))
if len(pri_que) > k:
# 删除具有最小值的元素
heapq.heappop(pri_que)
result = [0] * k
for i in range(k-1, -1, -1):
result[i] = heapq.heappop(pri_que)[1]
return result