deque函数
创建的deque
添加元素
deque.addFirst();
deque.addLast();
deque.offerFirst();
deque.offerLast();
移除元素
String e=deque.removeFirst();
String e=deque.removeLast();
String e=deque.pollFirst();
String e=deque.pollLast();
获取元素
String firste=deque.element();
String firste=deque.peek();
String firste=deque.peekFirst();
String laste=deque.peekLast();
最小栈
思路:
代码:
class MinStack {
private Stack<Integer> stack;
private Stack<Integer> min_stack;
public MinStack() {
stack = new Stack<>();
min_stack = new Stack<>();
}
public void push(int val) {
stack.push(val);
if(min_stack.isEmpty()||min_stack.peek()>=val){
min_stack.push(val);
}
}
public void pop() {
int num=stack.pop();
if(min_stack.peek()==num){
// if(stack.pop()!=min_stack.peek())
min_stack.pop();
}
}
public int top() {
return stack.peek();
}
public int getMin() {
return min_stack.peek();
}
}
/**
* Your MinStack object will be instantiated and called as such:
* MinStack obj = new MinStack();
* obj.push(val);
* obj.pop();
* int param_3 = obj.top();
* int param_4 = obj.getMin();
*/
239. 滑动窗口最大值
思路:
找一个最小栈储存
- 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
核心思路:
代码:
先判断是否要pop 再push。push的时候需要把不应该要的都弹出
在这里插入代码片class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
Deque<Integer> deque =new LinkedList<>();
int[] res = new int[nums.length-k+1];
for(int j=0,i=1-k;j<nums.length;i++,j++){
// 删除 deque 中对应的 nums[i-1]// 也就是最大值
if(i>0&&deque.peekFirst()==nums[i-1]){
deque.removeFirst();
}
// 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[j]>=deque.peekLast()){
while(!deque.isEmpty()&&nums[j]>deque.peekLast()){
deque.removeLast();
}
deque.add(nums[j]);
if(i>=0){
res[i]=deque.peekFirst();
}
}
return res;
}
}
347. 前 K 个高频元素
思路:
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
- 找出前K个高频元素
首先统计元素出现的频率,这一类的问题可以使用map来进行统计。
然后是对频率进行排序,这里我们可以使用一种 容器适配器就是优先级队列。
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。
本题我们就要使用优先级队列来对部分频率进行排序。
为什么不用快排呢, 使用快排要将map转换为vector的结构,然后对整个数组进行排序, 而这种场景下,我们其实只需要维护k个有序的序列就可以了,所以使用优先级队列是最优的。
此时要思考一下,是使用小顶堆呢,还是大顶堆?
有的同学一想,题目要求前 K 个高频元素,那么果断用大顶堆啊。
那么问题来了,定义一个大小为k的大顶堆,在每次移动更新大顶堆的时候,每次弹出都把最大的元素弹出去了,那么怎么保留下来前K个高频元素呢。
而且使用大顶堆就要把所有元素都进行排序,那能不能只排序k个元素呢?
所以我们要用小顶堆,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。
代码:
class Solution {
public int[] topKFrequent(int[] nums, int k) {
// 优先级队列,为了避免复杂api操作,pq储存数组
//出现次数按从队头到队尾的顺序是从小到大排,出现次数最低的在队头(相当于小顶堆)
// lambda表达式设置优先级队列从大到小储存 o1-o2为从小到大,o2-o1反之
// 可以理解为按照一个数组的第二维升序 如a=[x,y]根据a和b的y的大小去排序,小的放在队列前
PriorityQueue<int[]> pq=new PriorityQueue<>((o1,o2)->o1[1]-o2[1]);
int[] res=new int[k]; //答案数组为k个元素
Map<Integer,Integer>map=new HashMap<>(); //记录元素出现次数
for(int num:nums){
map.put(num,map.getOrDefault(num,0)+1);
}
for(var x:map.entrySet()){//entryset获取k-v set集合
//将kv转化为数值
int[] tmp=new int[2];
tmp[0]=x.getKey();
tmp[1]=x.getValue();
pq.add(tmp);
//只保留优先队列的最后k个,只要超出了k我就将最小的弹出,剩余的k个就是答案
if(pq.size()>k){
pq.poll();
}
}
for(int i=0;i<k;i++){
res[i]=pq.poll()[0];//获取优先队列里的元素
}
return res;
}
}