代码随想录算法训练营第13天 | 239. 滑动窗口最大值（deque 双向队列）、347. 前 K 个高频元素（heap）

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：

leecode-滑动窗口最大值

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 $O(1)$，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：

leecode-前k个高频元素

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