Day11：代码随想录算法训练营第十一天| 栈与队列基础 力扣239.滑动窗口最大值 力扣347.前k个高频元素

1.力扣239.滑动窗口最大值

题目描述：
给定一个数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回滑动窗口中的最大值。

思路：
我一开始的思路是暴力解法，遍历数组nums，用j不停的在晓得子区间里去遍历找最大值，但这种方法超时了。

代码随想录的方法是自己设计一个单调队列，所谓单调队列就是维护元素单调递减的队列就叫做单调队列，即单调递减或单调递增的队列。

这里使用了deque来实现，因为deque是一个双端开口的容器，可以双端操作。
基本用法有push_back()、push_front、front()、back()、pop_back、pop_front().

单调队列维护的是每一个窗口里的可能最大值，但同时又保持队列单调。

代码如下：

class Solution {
  private:
    class MyQueue { //单调队列（从大到小）
    public:
        deque<int> que; // 使用deque来实现单调队列
        // 每次弹出的时候，比较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。
        // 同时pop之前判断队列当前是否为空。
        void pop(int value) {
            if (!que.empty() && value == que.front()) {
                que.pop_front();
            }
        }
        // 如果push的数值大于入口元素的数值，那么就将队列后端的数值弹出，直到push的数值小于等于队列入口元素的数值为止。
        // 这样就保持了队列里的数值是单调从大到小的了。
        void push(int value) {
            while (!que.empty() && value > que.back()) {
                que.pop_back();
            }
            que.push_back(value);

        }
        // 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
        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的元素放进队列
            que.push(nums[i]);
        }
        result.push_back(que.front()); // result 记录前k的元素的最大值
        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;
    }
};

力扣347.前k个高频元素

题目描述：
给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

示例 1:

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

示例 2:

输入: nums = [1], k = 1
输出: [1]

提示：
1 <= nums.length <= 105
k 的取值范围是 [1, 数组中不相同的元素的个数]
题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的
（来源：力扣）

思路：
首先想到的是用map存好数据和数据出现的次数，然后就由代码随想录的优先队列来解题。优先队列的比较方式可自定义为按照键值对的第二个次数进行比较，最后形成了有个小顶堆。保证小顶堆的大小一直为k，一旦大于了K就把堆顶的元素弹出，那么到堆里只剩下k个时，那这k个就是前k个最大的，因为小的都已经被弹出了。最后用一个result从末尾开始保存优先队列的键值对的第一个。

优先队列： priority_queue(优先队列)，本质是堆实现。与队列不同的是，priority_queue只能访问队列头部的信息（使用top），且插入元素后，会自动排序。

基本操作：
1.top(): 访问队头元素
2.empty(): 队列是否为空
3.size():返回队列内元素个数
4.push():插入元素到队尾 (并排序)
5.emplace():原地构造一个元素并插入队列
6.pop():弹出队头元素
7.swap():交换内容

*优先队列的定义方法：
priority_queue<Type, Container, Functional>

其中的 Type 是数据类型，就是优先队列中每一个元素的数据类型

而 Container 是容器类型（Container必须是用数组实现的容器，比如vector,deque等等，但不能用 list。STL里面默认用的是vector，也可以是二维的。）

Functional是比较的方式，这里可以用提供的greater()和less()，分别为小顶堆和大顶堆，一般不是基本数据类型时要自己定义。

代码如下：

class Solution {
public:
        public:
    // 小顶堆
    class mycomparison {
    public:
    //仿函数是一个类，属于对于() 操作符重载，可以直接对mycomparison对象来调用operator()
        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) {
        // 要统计元素出现频率
        unordered_map<int, int> map; // map<nums[i],对应出现的次数>
        for (int i = 0; i < nums.size(); i++) {
            map[nums[i]]++;
        }

        // 对频率排序
        // 定义一个小顶堆，大小为k
        priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;

        // 用固定大小为k的小顶堆，扫面所有频率的数值
        //用迭代器指向map第一个元素
        for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
            pri_que.push(*it);//*获得it所对应的键值对
            if (pri_que.size() > k) { // 如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k
                pri_que.pop();
            }
        }

        // 找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒序来输出到数组
        vector<int> result(k);
        for (int i = k - 1; i >= 0; i--) {
            result[i] = pri_que.top().first;
            pri_que.pop();
        }
        return result;
    }
};