有关匹配的都考虑使用栈,注意除法部分向0去整的处理!
class Solution:
def evalRPN(self, tokens: List[str]) -> int:
stack = []
for token in tokens:
if token not in "+-*/":
stack.append(token)
else:
# 弹出两个操作数进行运算
right = int(stack.pop())
left = int(stack.pop())
if token == '+':
stack.append(str(left + right))
elif token == '-':
stack.append(str(left - right))
elif token == '*':
stack.append(str(left * right))
else: # 除法
# 直接使用整数除法,结果自动向零截断
stack.append(str(int(left / right)))
return int(stack.pop()) # 最后结果已经是整数
使用单调栈,维护出口处为最大元素
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
queue = MyQueue()
res = []
for i in range(k): #先将前k的元素放进队列
queue.push(nums[i])
res.append(queue.front())
for i in range(k,len(nums)):
queue.pop(nums[i-k])
queue.push(nums[i])
res.append(queue.front())
return res
class MyQueue: #实现单调队列
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()
#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)
def front(self):
return self.queue[0]
python使用字典的方法统计完成了:
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
freq = {}
for n in nums:
if n not in freq:
freq[n] = 1
else:
freq[n] += 1
freq_sorted = sorted(freq.items(), key = lambda item : item[1], reverse = True) #freq_sorted 已经是一个由 (键, 值) 对组成的列表
res = []
# 由于 freq_sorted 是 [(键, 值), ...] 形式的列表,我们只需要键
# 直接使用切片获取前 k 个键
for key, _ in freq_sorted[:k]: # 使用 _ 忽略值
res.append(key)
# 返回结果列表
return res
使用小顶堆:
#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