239.滑动窗口最大值
文章链接:239. 滑动窗口最大值
视频链接:单调队列正式登场!| LeetCode:239. 滑动窗口最大值
状态:记得是用单调队列,但是不知道咋实现了;答:主要是对整个单调队列的过程进行模拟,写明白单调队列的pop、push、front函数即可。
在一个,对于滑动窗口和单调队列的相互配合也是很重要的,代码实现需要注意
思路
分析题目后,有一个基本的思想。
就是我们每次都只维护好滑动窗口中有可能成为最大值的元素放在队列口。同时保证队列里的元素数值是从大到小的。
最后思考一下为什么不能使用优先级队列呢?
单调队列可以简单理解为我们自己DIY了一个队列,维护队列内的元素始终单调递增或者单调递减,至于如何进行维护可以我们自己定义,这就是单调队列相对于优先级队列的好处。
具体流程可以参考文章:单调队列对模拟过程的详细描述。
所以综上所述,我们需要一个队列,这个队列呢,放进去窗口里的元素,然后随着窗口的移动,队列也一进一出,每次移动之后,队列告诉我们里面的最大值是什么。并且队列中只维护可能成为窗口里最大值的元素,并且保证队列里的元素数值是从大到小的。
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的数值为止。
伪代码实现
deque<int> que;
pop(int val){
// 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
if (!que.empty() && val == que.front)
que.pop_front();
}
push(int val){
//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。
while(!que.empty && val > que.back())
que.pop_back();
que.push_back(val);
}
int front( )
return que.front();
CPP代码实现
class Solution {
private:
class MyQueue { //单调队列(从大到小)
public:
deque<int> que; // 使用deque来实现单调队列
// 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。
void pop(int value) {
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
// 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。
void push(int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(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。
int front() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // result 记录前k的元素的最大值
for (int i = k; i < nums.size(); i++) { //这里的i指向的是滑动窗口即将要加入的元素
que.pop(nums[i - k]); // 滑动窗口移除最前面元素
que.push(nums[i]); // 滑动窗口加入最后面的元素
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
347.前K个高频元素
文章链接:347.前K个高频元素
视频链接:优先级队列正式登场!大顶堆、小顶堆该怎么用?| LeetCode:347.前 K 个高频元素
状态:想到了使用
map
然后进行排序的方法,这个方法时间复杂度O(nlogn)
按频率将nums中的元素记录成一个优先级队列,只维护
k
个数据。这样时间复杂度只要O(nlogk)
整体思路
这道题解决以下三个方面,题目就基本解决了:
1.要统计元素出现的频率
2.对频率排序
3.找出前k个高频元素。
优先级队列也就是大顶堆/小顶堆适合在一个很大的数据集里面求前k个高频或者低频元素之类的操作。
基本的思路就是,首先通过map记录元素的频率,然后使用优先级队列位数k个数值就可以了。那么问题来了,我们是用大顶堆还是小顶堆呢?
如果用大顶堆,也就是当前频率最大的元素在堆顶,那么我们想要push进一个元素,我们就必须pop掉一个元素,我们应该是想pop掉当前k个元素中,频率最小的那个元素。但是如果是大顶堆,频率最大的元素就被pop掉了。
综上所述我们使用小顶堆
伪代码
//首先遍历数组记录频率
for (i = 0; i < nums.size(); i++){
map[nums[i]] ++;
}
//定义一个小顶堆,并且需要我们自己实现一个排序逻辑cmp()
priority_que(<key, value> cmp());
//遍历map中的元素,把map映射的到it上
for(map ! it){
que.push(it);
if (que.size > k) que.pop();
}
//小顶堆中先弹出频率最低的元素,所以最后我们进行逆序记录
vector<int> result;
for(i = k - 1; i>= 0; i--){
result[i] = que.top().first();
que.pop();
}
CPP代码
class Solution {
public:
// 小顶堆
class mycomparison {
public:
bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
return lhs.second > rhs.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
// 要统计元素出现频率
unordered_map<int, int> map; // map<nums[i],对应出现的次数>
for (int i = 0; i < nums.size(); i++) {
map[nums[i]]++;
}
// 对频率排序
// 定义一个小顶堆,大小为k
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
// 用固定大小为k的小顶堆,扫描所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > 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
pri_que.pop();
}
}
// 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
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
//静态成员变量的写法<力扣官解>
class Solution {
public:
static bool cmp(pair<int, int>& m, pair<int, int>& n) {
return m.second > n.second;
}
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int, int> occurrences;
for (auto& v : nums) {
occurrences[v]++;
}
// pair 的第一个元素代表数组的值,第二个元素代表了该值出现的次数
priority_queue<pair<int, int>, vector<pair<int, int>>, decltype(&cmp)> q(cmp);
for (auto& [num, count] : occurrences) {
if (q.size() == k) {
if (q.top().second < count) {
q.pop();
q.emplace(num, count);
}
} else {
q.emplace(num, count);
}
}
vector<int> ret;
while (!q.empty()) {
ret.emplace_back(q.top().first);
q.pop();
}
return ret;
}
};