239.滑动窗口最大值
题目链接:239.滑动窗口最大值
文档讲解:代码随想录/滑动窗口最大值
视频讲解:视频讲解-滑动窗口最大值
状态:已完成(1遍)
解题过程
看到题目的第一想法
先把nums的前k个数push进队列,找出当前窗口的最大值push进ans。每次遍历的时候把队列顶的数shift出去,底部push进去遍历到的数字,然后在当前队列中找出最大值,push进ans中,最后结束。
手搓一版:
var maxSlidingWindow = function(nums, k) {
let queue = [],ans = [];
queue.push(...nums.slice(0,k));
ans.push(nums.slice(0,k).sort((a,b)=>a-b)[k-1]);
for(let i =k;i<nums.length;i++){
queue.shift();
queue.push(nums[i]);
ans.push(queue.slice(0).sort((a,b)=>a-b)[k-1]);
}
return ans;
};
提交直接超时。
看完代码随想录之后的想法
在单调队列里的判断十分关键,把单调队列里大于此数的其他数全pop完,再将此数push进单调队列。完全没想到这种方式,太行了。强烈推荐去看一下文字讲解内容,还有动图演示。
文字讲解加了我自己的注释代码如下:
/**
* @param {number[]} nums
* @param {number} k
* @return {number[]}
*/
var maxSlidingWindow = function (nums, k) {
class MonoQueue {
queue;
constructor() {
this.queue = [];
}
enqueue(value) {
let back = this.queue[this.queue.length - 1];
while (back !== undefined && back < value) {//比较当前数值和单调队列末尾的数字大小,如果当前数值大,则将末尾的数字pop出去
this.queue.pop();//直到末尾的数字比当前数值小,再将当前数值push进单调队列
back = this.queue[this.queue.length - 1];
}
this.queue.push(value);
}
dequeue(value) {
let front = this.front();
if (front === value) {//当当前数值和单调队列队顶的数值相同时,将单调队列里的此数值移出
this.queue.shift();
}
}
front() {
return this.queue[0];
}
}
let helperQueue = new MonoQueue();
let i = 0, j = 0;//i是窗口头,j是窗口尾
let resArr = [];
while (j < k) {
helperQueue.enqueue(nums[j++]);
}
resArr.push(helperQueue.front());
while (j < nums.length) {
helperQueue.enqueue(nums[j]);
helperQueue.dequeue(nums[i]);
resArr.push(helperQueue.front());
i++, j++;
}
return resArr;
};
总结
第一次认识到了单调队列,希望二刷的时候还能做出来。
347.前K个高频元素
题目链接:347.前K个高频元素
文档讲解:代码随想录/前K个高频元素
视频讲解:视频讲解-前K个高频元素
状态:已完成(1遍)
解题过程
看到题目的第一想法
我就能想出来记录元素出现频率用map,然后把map转换成数组,对数组排序取频率最高的前k个,怎么和队列联系起来属实想不到。
/**
* @param {number[]} nums
* @param {number} k
* @return {number[]}
*/
var topKFrequent = function (nums, k) {
let ans = [], hashMap = {};
for (let num of nums) {
hashMap[num] = (hashMap[num] || 0) + 1;
}
const hashList = Object.entries(hashMap).sort((a, b) => b[1] - a[1]);
return hashList.slice(0, k).map(i => i[0]);
};
看完代码随想录之后的想法
又第一次认识了大顶堆和小顶堆,大顶堆是根节点最大,小顶堆是根节点最小。这样一来,用小顶堆来处理
讲解代码如下:
var topKFrequent = function (nums, k) {
const map = new Map();
const res = [];
//使用 map 统计元素出现频率
for (const num of nums) {
map.set(num, (map.get(num) || 0) + 1);
}
//创建小顶堆
const heap = new PriorityQueue({
compare: (a, b) => a.value - b.value
})
for (const [key, value] of map) {
heap.enqueue({ key, value });
if (heap.size() > k) heap.dequeue();
}
//处理输出
while (heap.size()) res.push(heap.dequeue().key);
return res;
};
总结
小顶堆的根节点最小,大顶堆的根节点最大。这里只用不断地去除小的元素,所以用小顶堆。
栈与队列的总结
文档讲解:代码随想录/栈与队列的总结