Day 12
notes:个人学习笔记,欢迎交流,引用学习过程均附上链接,不足欢迎指出。
一、理论学习
今日是视频日,两道题目都不简单,我们学习两个数据结构【单调队列】和【优先级队列】
补充记录【lambda 】: 所谓lambda是一份功能定义式,可被定义于语句(statement)或表达式(expression)内部。因此你可以拿lambda当作inline函数使用。C++sort如何使用lambda表达式对一维vector和二维vector进行排序_lambda vector-CSDN博客
1.【单调队列】:“如果一个选手比你小还比你强,你就可以退役了。”——单调队列的原理(算法学习笔记(66): 单调队列 - 知乎 (zhihu.com))
「单调」指的是元素的「规律」——递增(或递减)。
例如我们构造一个单调递增的队列会如下:
原序列为:(单调队列 - OI Wiki (oi-wiki.org))
1 | 1 3 -1 -3 5 3 6 7 |
---|---|
因为我们始终要维护队列保证其 递增 的特点,所以会有如下的事情发生:
操作 | 队列状态 |
---|---|
1 入队 | {1} |
3 比 1 大,3 入队 | {1 3} |
-1 比队列中所有元素小,所以清空队列 -1 入队 | {-1} |
-3 比队列中所有元素小,所以清空队列 -3 入队 | {-3} |
5 比 -3 大,直接入队 | {-3 5} |
3 比 5 小,5 出队,3 入队 | {-3 3} |
-3 已经在窗体外,所以 -3 出队;6 比 3 大,6 入队 | {3 6} |
7 比 6 大,7 入队 | {3 6 7} |
「队列」指的是元素只能从队头和队尾进行操作。以下是我们自定义的操作
class MyQueue {
public:
deque<int> que;
void pop(int value){
if(!que.empty() && value==que.front()){
que.pop_front();
}
}
void push(int val){
while(!que.empty() && val>que.back()){
que.pop_back();
}
que.push_back(val);
}
int front(){
return que.front();
}
};
2.【优先级队列】
什么是优先级队列呢?
priority_queue<int,vector<int> , greater<>> pq;//这是对的
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。代码随想录 (programmercarl.com)
和队列基本操作相同:
- top 访问队头元素
- empty 队列是否为空
- size 返回队列内元素个数
- push 插入元素到队尾 (并排序)
- emplace 原地构造一个元素并插入队列
- pop 弹出队头元素
- swap 交换内容
二、刷题部分
该题视频链接:单调队列正式登场!| LeetCode:239. 滑动窗口最大值_哔哩哔哩_bilibili
class Solution {
private:
class MyQueue {
public:
deque<int> que;
void pop(int value){
if(!que.empty() && value==que.front()){
que.pop_front();
}
}
void push(int val){
while(!que.empty() && val>que.back()){
que.pop_back();
}
que.push_back(val);
}
int front(){
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int>res;
for (int i = 0; i < k; i++) {
que.push(nums[i]);
}
res.push_back(que.front());
for(int i=k;i<nums.size();++i){
que.pop(nums[i-k]);
que.push(nums[i]);
res.push_back(que.front());
}
return res;
}
};
这道题目主要涉及到如下三块内容:
-
要统计元素出现频率
-
对频率排序C++ STL unordered_map按照value排序_unordered_map sort by key-CSDN博客我的解法
-
找出前K个高频元素
我的解法:nlogn
class Solution {
public:
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int>maps;
for(int i=0;i<nums.size();++i){
maps[nums[i]]++;
}
vector<pair<int,int>>res(maps.begin(),maps.end());
sort(res.begin(),res.end(),[](pair<int, int>& l, pair<int, int>& r){
return l.second > r.second;
});
vector<int>ans;
for(int i=0;i<k;++i){
ans.push_back(res[i].first);
}
return ans;
}
};
卡哥解法:nlogk
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,扫面所有频率的数值
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;
}
};
三、碎碎念
.有些事只适合收藏。不能说,也不能想,却又不能忘。它们不能变成语言,它们无法变成语言。一旦变成语言,就不再是它们了。它们是一片朦胧的温馨与寂寥,是一片成熟的希望与绝望。它们的领地只有两处:心与坟墓。比如说邮票,有些是用于寄信的,有些仅仅是为了收藏。【史铁生】