c++机试一些提示

1、优先队列的使用，头文件#include;优先队列定义:
priority_queue<int,vector<int>, greater<int>> pq;（整数数据类型，小顶堆）。
例题：哈夫曼树

#include <iostream>
#include <queue>
using namespace std;

int main() {
    int n;
    cin>>n;
    priority_queue<int, vector<int>, greater<int>> pq;
    while (n--) {
        int val;
        cin >> val;
        pq.push(val);
    }
    int result = 0;
    while (pq.size() > 1) {
        int a = pq.top();
        pq.pop();
        int b = pq.top();
        pq.pop();
        pq.push(a+b);
        result += a + b;
    }
    cout << result << endl;
    return 0;
}
// 64 位输出请用 printf(\"%lld\")

如果优先队列里不是基本数据类型，那么就要自定义比较函数，但是因为运用了模板编程，不能像自定义排序一样直接定义函数，需要在一个结构体里重写仿函数。
仿函数重写是这样,可用类可用结构体；

struct cmp{    
            //重写仿函数
   bool operator()(PP a,PP b)
   {
       return a.first>b.first;
   }

};

优先队列定义是这样：
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
例题：347. 前 K 个高频元素

class Solution {
public:
    // 小顶堆
    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) {
        // 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
        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;

    }
};

2、deque的使用，包含头文件#include;双端队列，什么都可以做，底层容器。
empty(): 判断容器中是否有元素，若无元素，则返回 true；反之，返回 false。
front() ：返回第一个元素的引用。
back() ：返回最后一个元素的引用。
assign() ：用新元素替换原有内容。
push_back() ：在序列的尾部添加一个元素。
push_front() ：在序列的头部添加一个元素。
pop_back() ：移除容器尾部的元素。
pop_front() ：移除容器头部的元素。
insert()： 在指定的位置插入一个或多个元素。
只有你想不到，没有他做不到，真的是很厉害的容器，适合自己重新构造合适的容器。
例题：239. 滑动窗口最大值

class Solution {
private:
    class Myqueue{
    public:
        // 底层容器deque，双端队列，que.front()取队列前端，que.back()取队列后端
        // que.empty()判断队列是否为空
        // que.pop_front()前端出队
        // que.pop_back()后端出队
        // que.push_back()后端入队
        deque<int> que;
        void pop(int value) {
            if (!que.empty() && value == que.front()) {
                que.pop_front();
            }
        }
        void push(int value) {
            // 严格大于时候才从尾部弹出，等于都不用弹出
            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> res;
        // 先k个数入单调队列，按照递减规则
        for (int i = 0; i < k; i++) {
            que.push(nums[i]);
        }
        res.push_back(que.front());
        // 后续移动，队列按照规则出头（不一定每一次都出），入尾（很可能要将前面的出队）
        for (int i = 0; i < nums.size() - k; i++) {
            que.pop(nums[i]);
            que.push(nums[i+k]);
            res.push_back(que.front());
        }
        return res;

    }
};

3、vector没有push_front()，即在数组首部插入数据不可直接插入，需要使用insert(iterator,num)来进行。
4、数字转为string类型string num = to_string(n);
string转换为int类型res = stoi(num);