代码随想录训练营Day13 239. 滑动窗口最大值 347.前 K 个高频元素

239. 滑动窗口最大值

• 自定义单调队列
  • pop
  • push
  • getMax / front
• 不需要维护窗口里的所有元素，只需要维护有可能成为最大值的元素 - > 所以在push新元素进去时，就可以直接将该元素之前的，比该元素小的值pop出去，这样也可以确保出队口的元素是最大值，方便执行getMax
• 在pop时，除了要检查队列非空之外，还要检查需要移除的nums位置的元素（即pop函数传入的value）是否与我们队列出口处一致，如果相等才需要pop，如果不相等，则说明nums该位置的元素并没有被维护在队列中，不需要再进行pop
• 在主函数中，每次循环只需要执行pop+push+front即可完成滑动窗口的移动

from collections import deque

class MyQueue: # 创建单调队列
    def __init__(self):
        self.queue = deque()
    
    def pop(self, value):
        if self.queue and value == self.queue[0]:
        # 判断非空
        # 判断当前要弹出的数值是否等于队列出口元素的数值，如果相等则弹出
        # 如果不相等，则说明value在push其他元素时，已经被pop出去了，不需要再pop
            self.queue.popleft()

    def push(self, value):
        # 如果push的数值大于入口元素的数值，则需要将队列后端的数值弹出
        # 直到push的数值小于等于入口元素
        while self.queue and value > self.queue[-1]:
            self.queue.pop()
        self.queue.append(value)

    def front(self):
        return self.queue[0]

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        queue = MyQueue()
        result = []

        # 对于前k个元素，直接放入队列
        for i in range(k):
            queue.push(nums[i])

        result.append(queue.front())

        for i in range(k, len(nums)):
            queue.pop(nums[i-k]) # 移除最前面的元素
            queue.push(nums[i]) # 加入最后面的元素
            result.append(queue.front())

347.前 K 个高频元素

• 时间复杂度 O(nlogk)
• 空间复杂度 O(n)
• 使用优先级队列 -> 小顶堆
  • 不能使用大顶堆，因为每次将最大的元素弹出的话，并不符合题目要求

import heapq
class Solution(object):
    def topKFrequent(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        map_ = {} # 统计频率
        for i in range(len(nums)):
            map_[nums[i]] = map_.get(nums[i], 0) + 1

        # 对频率排序
        # 使用一个大小为k的小顶堆
        pri_que = []

        # 扫描
        for key, freq in map_.items():
            heapq.heappush(pri_que, (freq, key))

            if len(pri_que) > k:
                heapq.heappop(pri_que)

        # 找出前k个高频元素
        result = [0]*k
        # 由于是最小堆，需要倒序输出
        for i in range(k-1, -1, -1):
            result[i] = heapq.heappop(pri_que)[1]
        return result