代码随想录算法训练营第十一天|150.逆波兰表达式求值、239.划定窗口最大值、347.前K个高频元素
150.逆波兰表达式求值
给你一个字符串数组 tokens ,表示一个根据 逆波兰表示法 表示的算术表达式。
请你计算该表达式。返回一个表示表达式值的整数。
注意:
有效的算符为 ‘+’、‘-’、‘*’ 和 ‘/’ 。
每个操作数(运算对象)都可以是一个整数或者另一个表达式。
两个整数之间的除法总是 向零截断 。
表达式中不含除零运算。
输入是一个根据逆波兰表示法表示的算术表达式。
答案及所有中间计算结果可以用 32 位 整数表示。
示例 1:
输入:tokens = [“2”,“1”,“+”,“3”,“*”]
输出:9
解释:该算式转化为常见的中缀算术表达式为:((2 + 1) * 3) = 9
题解:遇到数字则将数字加入到栈中,遇到符号则依次弹出栈顶的两个元素进行运算。需要注意的是,字符串比较内容相等用equals。
代码:
class Solution {
public int evalRPN(String[] tokens) {
Stack<Integer> s=new Stack<>();
for(int i=0;i<tokens.length;i++){
if(tokens[i].equals("+")){
s.push(s.pop()+s.pop());
}else if(tokens[i].equals("-")){
int a=s.pop();
int b=s.pop();
s.push(b-a);
}else if(tokens[i].equals("*")){
s.push(s.pop()*s.pop());
}else if(tokens[i].equals("/")){
int c=s.pop();
int d=s.pop();
s.push(d/c);
}else{
//是数字的情况
int res=Integer.parseInt(tokens[i]);
s.push(res);
}
}
return s.pop();
}
}
239.划定窗口最大值
给你一个整数数组 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。你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 。
示例 1:
输入:nums = [1,3,-1,-3,5,3,6,7], k = 3
输出:[3,3,5,5,6,7]
解释:
滑动窗口的位置 最大值
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
题解:队列的方式实现。队列维护窗口中的值,当窗口向后滑动时,队列先pop然后push。单独写一个比较大小的函数,找出队列中的最大值。用一个单调栈实现上述步骤,保持单调栈的栈口是最大值,当要加入的数大于入口元素时,弹出小元素,当元素小于窗口元素时,直接加入栈中。
确定滑动窗口范围的方法:用数组下标,不在下标范围内,则弹出队列。
代码:
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int n=nums.length;
int[] res=new int[n-k+1];
Deque<Integer> de=new ArrayDeque<>();
int index=0;
for(int i=0;i<n;i++){
//当元素不在滑动窗口范围内
while(!de.isEmpty() && de.peek()<i-k+1){
de.poll();
}
//保证每次加入的数字比末尾的数小,否则弹出
while(!de.isEmpty() && nums[de.peekLast()]<nums[i]){
de.pollLast();
}
de.offer(i);
//达到窗口最大值,添加元素到结果数组
if(i>=k-1){
res[index++]=nums[de.peek()];
}
}
return res;
}
}
347.前K个高频元素
给你一个整数数组 nums 和一个整数 k ,请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。
示例 1:
输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]
**题解:**返回前K个高频元素,怎么计算每个元素出现的次数呢?采用map的key和value的方式,key记录数组值,value记录元素出现的次数。对value进行排序,即能找到前k个高频元素。
怎么对value进行排序可以降低时间复杂度呢?采用大顶堆或是小顶堆的方式,值维护k个元素的顺序,这样时间复杂度是logK,如果全部维护,时间复杂度是kogN。
Map.Entry
是 Java 中用于表示 Map
中每个键值对的接口。它提供了对 Map
中键和值的访问map.entrySet()
是 Java 中 Map
接口的一种方法,它返回一个 Set
视图,包含 Map
中的所有键值对。每个元素都是一个 Map.Entry
对象,代表一个键值对。
代码:
class Solution {
public int[] topKFrequent(int[] nums, int k) {
int [] res=new int[k];
Map<Integer,Integer> map=new HashMap<>();
for(int n:nums){
map.put(n,map.getOrDefault(n,0)+1);
}
//大顶堆实现
//((n1,n2)->n2[1]-n1[1]) 根据频率进行排序,高频在前,
//(数组中两个元素,第一个是数组值,第二个是频率)
PriorityQueue<int[]> pq=new PriorityQueue<>((n1,n2)->n2[1]-n1[1]);
for(Map.Entry<Integer,Integer> entry:map.entrySet()){
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
for(int i=0;i<k;i++){
//提取元素
res[i]=pq.poll()[0];
}
return res;
}
}