代码随想录十| 239. 滑动窗口最大值、347.前 K 个高频元素

239. 滑动窗口最大值

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。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。

暴力方法，遍历一遍的过程中每次从窗口中再找到最大的数值，O(n × k)

单调队列方法，保持单调队列里单调递减，此时队列出口元素就是窗口里最大元素。

遍历数组： 从数组的第一个元素开始，逐个遍历每个元素。

a. 入队操作： 将当前元素与队尾元素比较，将小于当前元素的队尾元素出队，然后将当前元素入队。

b. 窗口最大值判断： 判断当前元素是否进入一个完整的滑动窗口。如果是，则获取当前滑动窗口的最大值。

c. 出队操作： 如果当前队列头部元素的下标不在当前滑动窗口内，将其出队，保持队列头部元素在当前滑动窗口内。

输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3，动画如下：

• 时间复杂度: O(n)
• 空间复杂度: O(k)

#include <stdio.h>
#include <stdlib.h>

// 定义单调队列节点
typedef struct {
    int value;  // 元素值
    int index;  // 元素下标
} MonotonicQueueNode;

// 定义单调队列结构
typedef struct {
    MonotonicQueueNode *array;  // 存储队列元素的数组
    int capacity;               // 数组容量
    int size;                   // 当前队列大小
    int front;                  // 队列头指针
    int rear;                   // 队列尾指针
} MonotonicQueue;

// 初始化单调队列
void initMonotonicQueue(MonotonicQueue *queue, int capacity) {
    queue->array = (MonotonicQueueNode *)malloc(sizeof(MonotonicQueueNode) * capacity);
    queue->capacity = capacity;
    queue->size = 0;
    queue->front = 0;
    queue->rear = -1;
}

// 队尾入队
void pushBack(MonotonicQueue *queue, int value, int index) {
    while (queue->size > 0 && queue->array[queue->rear].value < value) {
        queue->rear--;
        queue->size--;
    }

    queue->rear++;
    queue->array[queue->rear].value = value;
    queue->array[queue->rear].index = index;
    queue->size++;
}

// 队头出队
void popFront(MonotonicQueue *queue, int index) {
    if (queue->size > 0 && queue->array[queue->front].index == index) {
        queue->front++;
        queue->size--;
    }
}

// 获取队头元素
int front(MonotonicQueue *queue) {
    return queue->array[queue->front].value;
}

// 求滑动窗口最大值
int *maxSlidingWindow(int *nums, int numsSize, int k, int *returnSize) {
    if (nums == NULL || numsSize == 0 || k <= 0) {
        *returnSize = 0;
        return NULL;
    }

    // 结果数组
    int *result = (int *)malloc(sizeof(int) * (numsSize - k + 1));
    *returnSize = numsSize - k + 1;

    // 初始化单调队列
    MonotonicQueue queue;
    initMonotonicQueue(&queue, numsSize);

    // 遍历数组
    for (int i = 0; i < numsSize; i++) {
        // 入队
        pushBack(&queue, nums[i], i);

        // 判断窗口是否形成，形成了就获取窗口最大值
        if (i >= k - 1) {
            result[i - k + 1] = front(&queue);

            // 出队
            popFront(&queue, i - k + 1);
        }
    }

    // 释放队列内存
    free(queue.array);

    return result;
}

java写法

//解法一
//自定义数组
class MyQueue {
    Deque<Integer> deque = new LinkedList<>();
    //弹出元素时，比较当前要弹出的数值是否等于队列出口的数值，如果相等则弹出
    //同时判断队列当前是否为空
    void poll(int val) {
        if (!deque.isEmpty() && val == deque.peek()) {
            deque.poll();
        }
    }
    //添加元素时，如果要添加的元素大于入口处的元素，就将入口元素弹出
    //保证队列元素单调递减
    //比如此时队列元素3,1，2将要入队，比1大，所以1弹出，此时队列：3,2
    void add(int val) {
        while (!deque.isEmpty() && val > deque.getLast()) {
            deque.removeLast();
        }
        deque.add(val);
    }
    //队列队顶元素始终为最大值
    int peek() {
        return deque.peek();
    }
}

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if (nums.length == 1) {
            return nums;
        }
        int len = nums.length - k + 1;
        //存放结果元素的数组
        int[] res = new int[len];
        int num = 0;
        //自定义队列
        MyQueue myQueue = new MyQueue();
        //先将前k的元素放入队列
        for (int i = 0; i < k; i++) {
            myQueue.add(nums[i]);
        }
        res[num++] = myQueue.peek();
        for (int i = k; i < nums.length; i++) {
            //滑动窗口移除最前面的元素，移除是判断该元素是否放入队列
            myQueue.poll(nums[i - k]);
            //滑动窗口加入最后面的元素
            myQueue.add(nums[i]);
            //记录对应的最大值
            res[num++] = myQueue.peek();
        }
        return res;
    }
}

//解法二
//利用双端队列手动实现单调队列
/**
 * 用一个单调队列来存储对应的下标，每当窗口滑动的时候，直接取队列的头部指针对应的值放入结果集即可
 * 单调队列类似 （tail -->） 3 --> 2 --> 1 --> 0 (--> head) (右边为头结点，元素存的是下标)
 */
class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        ArrayDeque<Integer> deque = new ArrayDeque<>();
        int n = nums.length;
        int[] res = new int[n - k + 1];
        int idx = 0;
        for(int i = 0; i < n; i++) {
            // 根据题意，i为nums下标，是要在[i - k + 1, i] 中选到最大值，只需要保证两点
            // 1.队列头结点需要在[i - k + 1, i]范围内，不符合则要弹出
            while(!deque.isEmpty() && deque.peek() < i - k + 1){
                deque.poll();
            }
            // 2.既然是单调，就要保证每次放进去的数字要比末尾的都大，否则也弹出
            while(!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) {
                deque.pollLast();
            }

            deque.offer(i);

            // 因为单调，当i增长到符合第一个k范围的时候，每滑动一步都将队列头节点放入结果就行了
            if(i >= k - 1){
                res[idx++] = nums[deque.peek()];
            }
        }
        return res;
    }
}

题目链接

文章链接

视频链接

 347.前 K 个高频元素 

给定一个非空的整数数组，返回其中出现频率前 k 高的元素。

堆是一棵完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。

要统计最大前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个最大元素，所以用小顶堆。

寻找前k个最大元素流程如图所示：

// 结构体定义，用于表示哈希表的节点
struct HashEntry {
    int key;
    int val;
    UT_hash_handle hh; // uthash提供的哈希表处理结构
};

// 向哈希表中插入元素，统计频率
void hashAddItem(struct HashEntry **obj, int key) {
    struct HashEntry *pEntry = NULL;
    HASH_FIND_INT(*obj, &key, pEntry);
    if (pEntry != NULL) {
        // 如果元素已存在，增加频率
        pEntry->val++;
    } else {
        // 如果元素不存在，创建新节点
        pEntry = (struct HashEntry *)malloc(sizeof(struct HashEntry));
        pEntry->key = key;
        pEntry->val = 1;
        HASH_ADD_INT(*obj, key, pEntry);
    }
}

// 自定义比较函数，用于qsort排序
int compare(const void *a1, const void *b1) {
    int *a = *(int **)a1;
    int *b = *(int **)b1;
    return b[1] - a[1]; // 按值降序排序
}

// 返回数组中前k个高频元素
int *topKFrequent(int *nums, int numsSize, int k, int *returnSize) {
    // 哈希表初始化
    struct HashEntry *hashTable = NULL;

    // 统计元素频率并插入哈希表
    for (int i = 0; i < numsSize; i++) {
        hashAddItem(&hashTable, nums[i]);
    }

    // 将哈希表中的元素转移到数组 que 中
    int count = HASH_COUNT(hashTable);
    int **que = (int **)malloc(sizeof(int *) * count);
    int n = 0;
    struct HashEntry *s;
    for (s = hashTable; s != NULL; s = s->hh.next) {
        que[n] = (int *)malloc(sizeof(int) * 2);
        que[n][0] = s->key;
        que[n++][1] = s->val;
    }

    // 使用 qsort 对数组进行排序
    qsort(que, count, sizeof(int *), compare);

    // 选取前 k 个元素作为结果
    int *result = (int *)malloc(sizeof(int) * k);
    *returnSize = k;
    for (int i = 0; i < k; i++) {
        result[i] = que[i][0];
    }

    // 释放内存
    for (int i = 0; i < count; i++) {
        free(que[i]);
    }
    free(que);
    HASH_CLEAR(hh, hashTable); // 释放哈希表内存

    return result;
}

java写法

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        // 优先级队列，为了避免复杂 api 操作，pq 存储数组
        // lambda 表达式设置优先级队列从大到小存储 o1 - o2 为从小到大，o2 - o1 反之
        PriorityQueue<int[]> pq = new PriorityQueue<>((o1, o2) -> o1[1] - o2[1]);
        int[] res = new int[k]; // 答案数组为 k 个元素
        Map<Integer, Integer> map = new HashMap<>(); // 记录元素出现次数
        for(int num : nums) map.put(num, map.getOrDefault(num, 0) + 1);
        for(var x : map.entrySet()) { // entrySet 获取 k-v Set 集合
            // 将 kv 转化成数组
            int[] tmp = new int[2];
            tmp[0] = x.getKey();
            tmp[1] = x.getValue();
            pq.offer(tmp);
            // 下面的代码是根据小根堆实现的，我只保留优先队列的最后的k个，只要超出了k我就将最小的弹出，剩余的k个就是答案
            if(pq.size() > k) {
                pq.poll();
            }
        }
        for(int i = 0; i < k; i ++) {
            res[i] = pq.poll()[0]; // 获取优先队列里的元素
        }
        return res;
    }
}

 题目链接

 文章链接

 视频链接