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;
}
};