239. 滑动窗口最大值
题目链接
(1)文字讲解:https://programmercarl.com/0239.滑动窗口最大值.html#算法公开课
(2)视频讲解:
(3)题目链接:https://leetcode.cn/problems/sliding-window-maximum/
看到题解之前的想法
不会写
看到题解之后的想法
本题主要是要维护一个 单调递减序列, 使得排在队列顶端的元素就是我们要取出的窗口里面的最大值
简而言之,我们需要完成这样一个数据结构
1.pop(): 将队首元素出队
2.push():元素进队
3.front():获取队首元素的值,这个值恰好就是窗口内最大值。
很明显,如果按照正常的顺序,入队出队,是不可能保证最大的值永远都在队首的。
所以,如果想完成这种效果,就要在每进队一个新元素的时候将前面比他小的元素都pop出去(其实这样不会影响滑动窗口取最大值,因为当新的最大元素出现了的时候,旧的元素就通通没有用了,在滑动窗口将这个新元素滑出局之前,他一定是最大的,我们要返回的结果)然后等到pop的时候,因为每次push的时候把某些元素已经pop掉了,所以要检查这次应该pop掉的元素是否已经被pop掉了(也就是看这个理应被pop掉的元素是不是现存的front,如果不是,那就说明已经被pop掉了,如果是,那就pop掉它)
1.pop(): 检查要pop的元素是否是front,不是那就pass,是就pop_front
2.push():while循环,一直pop_back掉比自己小的元素
3.front():返回队列的队首,也就是最大值。
本题难点
自己实现一个单调队列,并且在滑动窗口中想起来应该这么做。
代码
class Solution {
private:
class MyQueue {
public:
deque<int> dq;
void pop(int val){
if(!dq.empty() && val == dq.front()){
dq.pop_front();
}
}
void push(int val){
while(!dq.empty() && val > dq.back()){
dq.pop_back();
}
dq.push_back(val);
}
int front(){
return dq.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue q;
vector<int> res;
for(int i = 0; i < k; i++){
q.push(nums[i]);
}
res.push_back(q.front());
for(int i = k; i < nums.size(); i++){
q.pop(nums[i-k]);
q.push(nums[i]);
res.push_back(q.front());
}
return res;
}
};
347.前 K 个高频元素
题目链接
(1)文字讲解:https://programmercarl.com/0347.前K个高频元素.html#思路
(2)视频讲解:
(3)题目链接:https://leetcode.cn/problems/top-k-frequent-elements/
看到题解之前的想法
不会写
看到题解之后的想法
首先用map遍历所有元素,存一下各个元素对应的出现的频率
维护一个小顶堆,这个小顶堆的大小保持在k,元素就是上面的map键值对
一旦超过k,小顶堆就pop
然后返回所有小顶堆的元素就好。
预习一下优先队列、小顶堆是什么:
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)。
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。
至于为什么不用大顶堆,是因为堆能pop出去的都是堆顶的元素,如果用大顶堆,更新的时候,不就只能pop最大的元素了吗(其实也行,每次更新都往里面加,到最后输出的时候只输出topk个)
所以要用小顶堆,每次超过k就pop,剩下的k个就是要求的。
本题难点
1.小顶堆大顶堆的定义、使用
2.vector init的时候,如果使用了vector result(k);,那么默认会有k个0初始化。但是如果你后面用了push_back这个函数,想要用新的值覆盖原来初始化的0,是会出错的!因为他不会覆盖,反而会在一开始的k个0后追加!
我原来写的错误代码:
vector<int> result(k);
for(int i = 0; i <= k-1; i++){
result.push_back(pri_q.top().first);
pri_q.pop();
}
// vector<int> result(k);
// for (int i = k - 1; i >= 0; i--) {
// result[i] = pri_q.top().first;
// pri_q.pop();
// }
代码
小顶堆:
class Solution {
public:
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) {
unordered_map<int, int> mp;
for(int i = 0; i< nums.size(); i++){
mp[nums[i]]++;
}
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_q;
for(unordered_map<int, int>::iterator it = mp.begin(); it != mp.end(); it++){
pri_q.push(*it);
if(pri_q.size() > k){
pri_q.pop();
}
}
vector<int> result(k);
for(int i = 0; i <= k-1; i++){
result[i] = pri_q.top().first;
pri_q.pop();
}
// vector<int> result(k);
// for (int i = k - 1; i >= 0; i--) {
// result[i] = pri_q.top().first;
// pri_q.pop();
// }
return result;
}
};
大顶堆:
class Solution {
public:
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) {
unordered_map<int, int> mp;
for(int i = 0; i< nums.size(); i++){
mp[nums[i]]++;
}
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_q;
for(unordered_map<int, int>::iterator it = mp.begin(); it != mp.end(); it++){
pri_q.push(*it);
}
vector<int> result(k);
for(int i = 0; i <= k-1; i++){
result[i] = pri_q.top().first;
pri_q.pop();
}
// vector<int> result(k);
// for (int i = k - 1; i >= 0; i--) {
// result[i] = pri_q.top().first;
// pri_q.pop();
// }
return result;
}
};