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

LeetCode 239 滑动窗口最大值

题目链接：https://leetcode.cn/problems/sliding-window-maximum/

思路：

建立一个单调队列来进行操作。单调队列的特点就是队列里面的数值排序是单调的。重点在于只要维护最大值或者是有可能成为最大值的值即可。保持最大值一直在队列的front，这样读取最大值时，只要读队列的front即可。

代码：

• 单调队列的实现并不是固定的，需要根据题目要求来进行变化。关键点在于保持队列内元素是单调排序的。

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        vector<int>result;
        Myque que;

        // 先将前k个数加入到单调队列中
        for(int i = 0;i<k;i++)
        {
            que.push(nums[i]);
        }
        // 记录前k个数中的最大值
        result.push_back(que.getMaxVale());

        for(int i=k;i<nums.size();i++)
        {
            // 移除窗口最左边的数
            que.pop(nums[i-k]);
            // 加入窗口最右边的数
            que.push(nums[i]);
            result.push_back(que.getMaxVale());
        }

        return result;
    }

private:
    // 单调队列
    class Myque {
    public:
        void pop(int val)
        {
            if(!que.empty()&&val == que.front())
                que.pop_front();
        }

        void push(int val)
        {
            // 将入口处小于val的值pop掉
            while(!que.empty()&&val > que.back())
                que.pop_back();
            que.push_back(val);
        }

        int getMaxVale()
        {
            return que.front();
        }

    private:
        deque<int>que;

    };

};

总结

第一次知道单调队列的思想，需要在后面多加学习。

LeetCode 347 前 K 个高频元素

题目链接：https://leetcode.cn/problems/top-k-frequent-elements/

思路：

先用哈希表(unordered_map)将元素出现的频率进行排序，其中key是元素，value是出现频率。然后定义一个小顶堆，将该小顶堆的大小固定为K，然后通过小顶堆对频率次数进行排序。注意，此时小顶堆从上到下，频率依次提高，因此用数组保存小顶堆的值时，要从后往前保存。

代码：

• 为什么使用小顶堆？

• 答：如果使用大顶堆，此时根节点是最大值，当大顶堆中的元素大于k个时，要进行pop操作，然而pop操作是对根节点进行操作，即将根节点pop出去。所以会将最大值pop出去。如果是小顶堆，则会是将最小值pop出去，满足题意要求。

• 大顶堆如何定义？

• 答：priority_queue<Type, Container, Functional>，只填Type的参数，出来的就会是大顶堆。

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) {
        // 用哈希表统计元素出现的频率
        unordered_map<int,int>map;
        for(int i = 0;i<nums.size();i++)
        {
            map[nums[i]]++;
        }

        // 对频率进行排序
        // 定义一个小顶堆
        priority_queue<pair<int,int>,vector<pair<int,int>>, mycomparison>pri_que;

        // 用固定大小为k的小顶堆，扫描所有频率的数值
        for(unordered_map<int,int>::iterator it = map.begin();it!=map.end();it++)
        {
            pri_que.push(*it);
            if(pri_que.size()>k)
                pri_que.pop();
        }

        vector<int>result(k);

        for(int i = k-1;i>=0;i--)
        {
            result[i] = pri_que.top().first;
            pri_que.pop();
        }

        return result;
    }
};

总结：

想到了使用哈希表来保存元素的频率，而且想着如果要对哈希表的value进行排序时间会很长，对哈希表也不熟悉，所以没有写出实现方法，而是直接去看了题解。第一次看到大顶堆和小顶堆这两个数据结构。

今日总结：

收获满满，需要后面再次复习吸收。