代码随想录算法训练营第十三天| 239. 滑动窗口最大值、347.前 K 个高频元素

参考文章：代码随想录

参考视频：单调队列正式登场！| LeetCode：239. 滑动窗口最大值_哔哩哔哩_bilibili 

解题思路：

暴力方法，遍历一遍的过程中每次从窗口中再找到最大的数值，这样很明显是O(n × k)的算法。

我们其实可以使用单调队列来完成这个滑动窗口的操作，定义这么一个单调队列，队列里面的元素是由大到小的，当要存入的元素队列的最后一个时，需要将最后一个元素移除，一直循环直到要存的元素最大或是最后一个元素比要存入的大，然后再将该元素存入到队列中，这样的话当需要获取该窗口的最大元素仅需要获取这个队列的peek()即可，因为队列头部存储的是这个队列最大的元素。

public class MyQueue {
    Deque<Integer> deque = new LinkedList<>();

    void poll(int val) {
        if (!deque.isEmpty() && val == deque.peek()) {
            deque.poll();
        }
    }

    void add(int val) {
        while (!deque.isEmpty() && val > deque.getLast()) {
            deque.removeLast();
        }
        deque.add(val);
    }

    int peek() {
        return deque.peek();
    }
}

public static int[] maxSlidingWindow(int[] nums, int k) {
        if (nums.length == 1) {
            return nums;
        }
        int len = nums.length - k + 1;
        int[] res = new int[len];
        int num = 0;
        MyQueue myQueue = new MyQueue();
        for (int i = 0; i < k; i++) {
            myQueue.add(nums[i]);
        }
        res[num++] = myQueue.peek();
        for (int i = k; i < nums.length; i++) {
            myQueue.poll(nums[i-k]);
            myQueue.add(nums[i]);
            res[num++] = myQueue.peek();
        }

        return res;
    }

 347.前 K 个高频元素

 参考文章：代码随想录

参考视频：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_哔哩哔哩_bilibili 

解题思路：使用小顶堆的队列来去完成获取前k个高频元素的操作，首先遍历数组将值作为key，出现次数作为value存入到hashmap中，然后创建一个priorityqueue来去存放这个映射集，存放的size为k个，此时这个队列最顶端为频率最少的。最后新建一个数组从后往前遍历，将队列的元素弹出去，此时就能得到一个出现频率由大到小的前k个高频元素。

public static int[] topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> map = new HashMap<>();
        int[] result = new int[k];
        for (int value : nums) {
            map.put(value, map.getOrDefault(value, 0) + 1);
        }
        PriorityQueue<int[]> queue = new PriorityQueue<>((x, y) -> x[1] - y[1]);
        for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
            if (queue.size() < k) {
                queue.add(new int[]{entry.getKey(), entry.getValue()});
            } else {
                if (entry.getValue() > queue.peek()[1]) {
                    queue.poll();
                    queue.add(new int[]{entry.getKey(), entry.getValue()});
                }
            }

        }

        for (int i = k - 1; i >=0; i--) {

            result[i] = queue.poll()[0];
        }
        return result;
    }