239. 滑动窗口最大值
难度:☆5
单调队列。具体来说是单调递减队列,它适合本题是因为它保证了(1)队列元素递减,(2)弹出的元素在队首或已经被弹出。
思路:队列没有必要维护窗口里的所有元素,只需要维护有可能成为窗口里最大值的元素就可以了,同时保证队列里的元素是由大到小的。
设计单调队列的时候,pop
和 push
操作要保持如下规则:
pop(value)
:如果滑动窗口移除的元素value
等于单调队列的出口(队首)的元素,那么队列弹出元素,否则不用任何操作;push(value)
:如果滑动窗口新增的元素value
大于单调队列的入口(队尾)的元素,那么就将队列入口(队尾)的元素弹出,直到push
的元素小于等于队列入口(队尾)的元素为止。
保持如上规则,每次窗口移动的时候,只要调用 queue.front()
就可以返回当前窗口的最大值。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
Deque<Integer> deque = new ArrayDeque<>(); // 用一个Deque类型的单调递减队列来存储索引
int n = nums.length;
int[] result = new int[n - k + 1];
int idx = 0;
for (int i = 0; i < n; i++) { // i为nums索引,要在[i - k + 1, i]中选最大值,只需保证两点
// 1.队首索引需要在[i - k + 1, i]范围内,不符合则要弹出队首
while (!deque.isEmpty() && deque.peekFirst() < i - k + 1) {
deque.pollFirst();
}
// 2.既然是单调递减,如果当前队尾比进入队尾的数小,则弹出当前队尾
while (!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) {
deque.pollLast();
}
deque.offerLast(i);
if (i >= k - 1) { // 当i增长到符合第一个滑动窗口k范围时,每滑动一步都将队首元素放入结果
result[idx++] = nums[deque.peekFirst()];
}
}
return result;
}
}
时间复杂度: O(n)
空间复杂度: O(k)
347. 前 K 个高频元素
难度:☆5
优先级队列,小顶堆,映射。本题涉及到三项任务:
- 统计元素出现的次数——使用map映射来统计。
- 对次数排序——使用优先级队列来排序。
- 找出前k个高频元素——使用小顶堆比大顶堆更快。因为大顶堆需要对所有元素进行排序,而小顶堆只需要维持k个元素有序。
本题用小顶堆,因为要统计出现次数最多的前k个元素,只有小顶堆每次将最小的元素弹出,最后小顶堆里积累的才是前k个出现次数最多的元素。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer, Integer> map = new HashMap<>(); // key为数组元素值,val为对应的出现次数
for (int num : nums) {
map.put(num, map.getOrDefault(num, 0) + 1);
}
// 在优先级队列中存储二元组(num, cnt),cnt表示元素值,num表示在数组中出现的次数
// 出现的次数按从队首到队尾的顺序,从小到大排,出现次数最低的在队首(相当于小顶堆)
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2) -> pair1[1] - pair2[1]);
for (Map.Entry<Integer, Integer> entry : map.entrySet()) { // 小顶堆只需要维持k个元素有序
if (pq.size() < k) { // 小顶堆的元素个数小于k个时直接加
pq.add(new int[] { entry.getKey(), entry.getValue() });
} else if (entry.getValue() > pq.peek()[1]) { // 当前元素出现次数大于小顶堆的根节点
pq.poll(); // 弹出队首(小顶堆的根节点),即删除堆里出现次数最少的,剩下就是出现次数多的
pq.add(new int[] { entry.getKey(), entry.getValue() });
}
}
int[] ans = new int[k];
for (int i = k - 1; i >= 0; i--) { // 依次弹出小顶堆,先弹出的出现次数少,后弹出的出现次数多
ans[i] = pq.poll()[0];
}
return ans;
}
}
时间复杂度: O(nlogk)
空间复杂度: O(n)