代码随想录算法训练营day13 | 239. 滑动窗口最大值、347.前 K 个高频元素

知雨的学习记录本

已于 2024-01-09 15:42:38 修改

阅读量1.5k

点赞数 31

文章标签：算法

于 2024-01-08 20:17:55 首次发布

本文链接：https://blog.csdn.net/m0_56522407/article/details/135457002

版权

栈与队列part02（24.01.08）

安排：先独立做题，然后看视频讲解，然后看文章讲解，然后再重新做一遍题，把题目AC，最后整理成今日当天的博客。

学习时长：3h
学习内容：自己尝试+pdf说明+视频+力扣题解+自己默写
学习感悟：坚持！加油！注意力集中！

239. 滑动窗口最大值

题目链接：力扣题目链接

笔记：

1.其实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数值是由大到小的。那么这个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。示意图如下链接：

https://code-thinking.cdn.bcebos.com/gifs/239.%E6%BB%91%E5%8A%A8%E7%AA%97%E5%8F%A3%E6%9C%80%E5%A4%A7%E5%80%BC.gif

2.设计单调队列的时候，pop和push操作要保持如下规则：

pop(value)：如果窗口移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作
push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元素的数值为止

保持如上规则，每次窗口移动的时候，只要问que.front()就可以返回当前窗口的最大值。

3.用什么数据结构来实现这个单调队列呢？

使用deque最为合适，在文章栈与队列：来看看栈和队列不为人知的一面 (opens new window)中，我们就提到了常用的queue在没有指定容器的情况下，deque就是默认底层容器。

提交代码：

from collections import deque


class MyQueue: #单调队列（从大到小
    def __init__(self):
        self.queue = deque() #这里需要使用deque实现单调队列，直接使用list会超时
    
    #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。
    def pop(self, value):
        if self.queue and value == self.queue[0]:
            self.queue.popleft()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()
            
    #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。
    def push(self, value):
        while self.queue and value > self.queue[-1]:
            self.queue.pop()
        self.queue.append(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。
    def front(self):
        return self.queue[0]
    
class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        que = MyQueue()
        result = []
        for i in range(k): #先将前k的元素放进队列
            que.push(nums[i])
        result.append(que.front()) #result 记录前k的元素的最大值
        for i in range(k, len(nums)):
            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.append(que.front()) #记录对应的最大值
        return result

过程中报错：myQueue' object has no attribute 'queue':通过修正定义初始init那里（左右各是两个下划线！我错写成一个了，可能就让这块失效了）解决了报错。

疑问：一直感觉比较迷惑的是队列到底哪头是前端哪头是后端，每次做操作的时候默认从哪实施？比如pop()到底从哪弹出？（看代码是感觉定义的deque默认左边出右边进【左边是队头+出口，右边是队尾+入口】pop默认弹出队尾的元素，popleft弹出队头的元素）

347.前 K 个高频元素

题目链接：力扣题目链接

笔记：

1.大顶堆和小顶堆。可以用优先级队列进行实现（其基本逻辑就是堆的逻辑）。

2.统计元素出现的频率，这一类的问题可以使用map来进行统计。对频率进行排序，这里我们可以使用一种容器适配器就是优先级队列（其实就是一个披着队列外衣的堆，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列）。

3.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。所以大家经常说的大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。

4.我们要用小顶堆，因为要统计最大前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。

5.heapq 模块是 Python 中用于堆排序的模块，提供了对堆的支持。在使用 heapq 模块时，你可以创建一个堆（heap）并使用一些函数对其进行操作。map_.get(nums[i], 0) 用于获取字典中键 nums[i] 对应的值。如果键不存在，则返回默认值 0。map_[nums[i]] = map_.get(nums[i], 0) + 1 将字典中键 nums[i] 对应的值增加 1。

提交代码：

#时间复杂度：O(nlogk)
#空间复杂度：O(n)
import heapq
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        #要统计元素出现频率
        map_ = {} #nums[i]:对应出现的次数
        for i in range(len(nums)):
            map_[nums[i]] = map_.get(nums[i], 0) + 1
        
        #对频率排序
        #定义一个小顶堆，大小为k
        pri_que = [] #小顶堆
        
        #用固定大小为k的小顶堆，扫描所有频率的数值
        for key, freq in map_.items():
            heapq.heappush(pri_que, (freq, key))
            if len(pri_que) > 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
                heapq.heappop(pri_que)
        
        #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
        result = [0] * k
        for i in range(k-1, -1, -1):
            result[i] = heapq.heappop(pri_que)[1]
        return result

过程中报错：

1.TypeError: 'builtin_function_or_method' object is not iterable for key,freq in map_.items解决办法：在map_.items后面加了一对括号（），解决报错。map_.items() 是字典（map_）的一个方法，用于获取包含字典中所有键值对的视图对象。这个方法返回一个类似于集合的视图，其中包含元组 (key, value)。使用 map_.items() 的典型用法是在循环中迭代字典的键值对。