代码随想录算法训练营第十一天||239. 滑动窗口最大值、347.前 K 个高频元素

LeetCode 239. 滑动窗口最大值

题目/视频/文章链接：239.滑动窗口最大值

个人第一时间看法：

直接暴力解法，每一次滑动窗口后，比较三个元素的大小然后把最大值存入一个列表当中，但是考虑用栈与队列的话，不太清楚了。

看完代码随想录的想法：

确实可以用一个单调队列实现，但是只需要维护出口的元素（也就是最大值）即可，不需要维护所有的元素，分别进行pop、push、getmaxvalue即可，然后移动窗口进行取值操作，这个思路得好好熟练理解。

敲代码时遇到的困难：

构建队列的时候，用到deque时还是操作不熟练，没有注意到队列为空的情况，滑动窗口取值的时候第一步操作不太熟练。

实际代码：

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

LeetCode 347.前 K 个高频元素

题目/视频/文章链接：347.前K个高频元素

个人第一时间看法：这里应该跟之前哈希表里面的题有点类似，统计元素出现的频率，可以用map结构记录key和value，但是这个频率的排序，如果用遍历的话，是不是复杂度就会变大了，栈与队列的话应该咋办呢？

看完代码随想录的想法：

了解到了堆这个新的概念，大顶堆和小顶堆，区别在于递增还是递减，注意要求的前K个，所以要pop的时候得pop小的数才行。

敲代码时遇到的困难：

不会用python中堆的操作，这一遍只能对着代码一行一行的去理解+敲。

实际代码：

#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

今日收获：

今日学习了单调队列与大顶堆小顶堆的操作，第一遍很不熟练，希望之后复习的时候能够多加操作多加理解，早日完全掌握！今日学习1.5h！