【栈与队列3】239. 滑动窗口最大值 347.前 K 个高频元素

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;
    }
};