总结
1.了解了两个python中两个库:deque,heapq
2.了解了两个专业名词:单调队列,优先级队列,注意两者定义
3.抽象能力,比如滑动窗口,将最大值放在队列端口,不维护最小值等等,要多想
4.收获:要掌握单调队列的写法
239. 滑动窗口最大值
题目链接:
自己想
1.看到一道题,应该思考使用啥数据结构呢?卡哥说是队列,可是队列的呈现方式又是啥呢?
2.想着直接使用双指针,解决问题,在调用一个max函数即可,但是忘记了max函数的时间复杂度,以下为chatgpt回答:
在Python中,max函数的时间复杂度为O(n),其中n表示序列中的元素数量。这意味着在最坏情况下,max函数需要遍历整个序列才能找到最大值。在某些情况下,max函数可以在常数时间内找到最大值,例如当序列是一个已经排序的列表时。但是,在一般情况下,最坏时间复杂度为O(n)。
看完题解
1.梳理题解的逻辑,以及解决问题的流程。
第一步:难点是如何求一个区间里的最大值呢?-> 暴力求解,不合适->为了求解区间最大值,直接利用优先级队列,弹出最大值,但是因为题是滑动窗口,大顶堆只能实现移除最大值,无法移除其他值,这样的话队列里面就是不是滑动窗口里面的元素了,不合适 -> 有没有这样一个函数,随着窗口移动,push,pop,max?
第二步:设计这样一个函数,随着窗口的移动,将窗口内元素放入队列,同时队列返回这个窗口内的最大值。
1)在分析一下,这个队列是要被排序的,将最大值放入出口,这样每次弹出时,直接返回出口处的对应元素,减少搜索。
2)我们这个队列已经是被排序过了,怎么能把窗口要移除的元素(这个元素可不一定是最大值)弹出呢?->没必要维护所有的值,只需要维护有可能成为的最大值即可,同时保证队列里是单调的->具有这样特性的队列就叫做单调队列
第三步:具体实现
class MyQueue: #单调队列(从大到小
def __init__(self):
self.queue = deque() #这里需要使用deque实现单调队列,直接使用list会超时
#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。
def pop(self, value):
if self.queue and value == self.queue[0]:
self.queue.popleft()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()
#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。
def push(self, value):
while self.queue and value > self.queue[-1]:
self.queue.pop()
self.queue.append(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。
def front(self):
return self.queue[0]
知识点
其中,deque 是一个双向队列(double-ended queue),它提供了在序列两端进行添加和删除元素的方法,具有高效、可扩展、线程安全等特点,常用于实现队列、栈等数据结构。
deque 的使用方法类似于列表(list),可以使用一些常见的序列操作,例如添加元素、删除元素、获取元素等。与列表不同的是,deque 支持在序列两端进行添加和删除元素,而且在插入和删除元素时的时间复杂度为 O ( 1 ) O(1) O(1),因此比列表更加高效。
完整代码
347. 前 K 个高频元素
题目链接:
自己想
1.自己想首先,必须要有值与频率的映射字典,之后排序这块儿,不太会
看完题解
1.要统计元素出现频率
2.对频率排序:采用优先级队列,优先级队列就是一个批着队列的堆,所以在python中,引入heapq标准库,
heapq.heappop()
:弹出堆中最小元素
heapq.heappush()
:插入堆中
3.找出前K个高频元素:第一反应要采用大顶堆,即每次弹出的元素就是最大的那个值,如何找到前k个频率呢?其实很麻烦,不如使用小顶堆,然后维护队列长度只为k,这样留下的元素就是前k个值。
小知识点
heapq:
heapq 是 Python 中的一个标准库模块,提供了堆(heap)操作的函数。
堆是一种基于完全二叉树的数据结构,其中每个节点都大于等于(或小于等于)其子节点。在 Python 中,堆可以用列表来表示,其中第一个元素是堆的根节点,后续元素按照从左到右、从上到下的顺序排列。
倒序输入时候:
#如果终止位置设置成0就不会包含0,所以要将终止位置设置成为-1
for i in range(k - 1, -1,-1):
完整代码
from collections import Counter
import heapq
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
# Frequent = Counter(nums)
# print(Frequent)
dict_count = {}
for num in nums:
if num in dict_count.keys():
dict_count[num] += 1
else: dict_count[num] = 1
# print(dict_count)
#对频率排序
#定义一个小顶堆,大小为k
pri_que = [] #小顶堆
for value,fre in dict_count.items():
heapq.heappush(pri_que,(fre,value))
#heapq 默认是对元组的第一个元素进行排序,也就是在 (fre, value) 这个元组中,根据 fre 这个元素的大小来进行排序
if len(pri_que) > k:
heapq.heappop(pri_que)
#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
result = [0]*k
#如果终止位置设置成0就不会包含0,所以要将终止位置设置成为-1
for i in range(k - 1, -1,-1):
result[i] = heapq.heappop(pri_que)[1]
#这个是返回最小的value,所以只能是[1]
return result
题目链接:
自己想
看完题解
完整代码
在这里插入代码片
题目链接:
自己想
看完题解
完整代码
在这里插入代码片