一、滑动窗口最大值
思路
单调队列,只需要维护有可能成为窗口里最大值的元素,同时保证队列里的元素数值是由大到小的。
pop(value):如果窗口移除的元素value等于单调队列的出口元素,那么队列弹出元素,否则不进行任何操作
push(value):如果push的元素value大于入口处元素的数值,那么将队列入口的元素弹出,直到push元素的数值小于等于队列入口元素的数值为止。
代码实现
class Solution {
private:
class MyQueue {
public:
deque<int> que;
void pop(int value) {
if(!que.empty() && value == que.front()) {
que.pop_front();
}
}
void push(int value) {
while(!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(value);
}
int front() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for(int i = 0; i < k; i++) { // 先将前k的元素放入队列
que.push(nums[i]);
}
result.push_back(que.front()); // result记录前k个元素的最大值
for(int i = k; i < nums.size(); i++) {
que.pop(nums[i - k]); // 滑动窗口移除最前面的元素
que.push(nums[i]); //滑动窗口前加入最后面的元素
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
二、前k个高频元素
思路
统计元素出现的频率:使用map来实现,key 元素 value 出现次数
对频率排序:优先级队列,优先级队列的低层实现就是堆,使用小顶堆将最小的元素移除,最后留在小顶堆的是前k个最大元素
代码实现
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> 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,大小为k
priority_queue<pair<int, int>,vector<pair<int, int>>, mycomparison> pri_que;
// 用固定大小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) { // 如果堆的大小大于k,则队列弹出
pri_que.pop();
}
}
// 找出前k个高频元素,因为小顶堆先弹出最小的,所以倒序来输出数组
vector<int> result(k);
for(int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};