目录
239. 滑动窗口最大值
之前讲的都是栈的应用,这次该是队列的应用了。本题算比较有难度的,需要自己去构造单调队列,建议先看视频来理解。
题目链接/文章讲解/视频讲解:代码随想录
思路
哈哈哈,我的思路就是傻不拉几的暴力算法,后面一个测试用例几十万行差点给我电脑干冒烟了。到今天才大致了解了什么是单调队列。在Carl的题解中,为了构造一个单调队列,需要遵守以下的原则:
- 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。
一开始很懵逼,怎么遵循这两条规则就可以保证每次弹出最大元素,后面自己动手画了几个循环就很好判断了。 具体细节看链接。
代码
from collections import deque
class MyQueue:
def __init__(self):
self.queue=deque()
def pop(self,value):
if self.queue and value==self.queue[0]:
self.queue.popleft()
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]
class Solution:
def maxSlidingWindow(self,nums:List[int],k:int)->List[int]:
que=MyQueue()
result=[]
for i in range(k):
que.push(nums[i])
result.append(que.front())
for i in range(k,len(nums)):
que.pop(nums[i-k])
que.push(nums[i])
result.append(que.front())
return result
347.前 K 个高频元素
大/小顶堆的应用, 在C++中就是优先级队列
思路
哈哈,自己一通乱写给我写出来了,虽然python有点作弊,根本没用到堆。
Carl哥思路前面和我一样,用字典统计每一个数的频率,保存到字典中,后面Carl用大小为k的小顶堆来保存,(和我一样不懂什么是堆的先去百度一下大顶堆和小顶堆),最后倒着把小顶堆的值写入一个列表即可。
代码
from typing import List
import heapq
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
dic = dict()
result = [0] * k
pri_que = [] # 小顶堆
for i in range(len(nums)):
dic[nums[i]] = dic.get(nums[i], 0) + 1
# 原来自己的代码
# sorted_items = sorted(dic.items(), key=lambda x: x[1], reverse=True)
# for i in range(k):
# result.append(sorted_items[i][0])
for key, frep in dic.items():
heapq.heappush(pri_que, (frep, key)) # 排序根据频率来排
if len(pri_que) > k:
heapq.heappop(pri_que)
for i in range(k - 1, -1, -1):
result[i] = heapq.heappop(pri_que)[1]
return result
总结
栈和队列在整个代码随想录里其实只排在第三章,从明天开始就是二叉树了,实话说二叉树也还不是最难的地方,(数据结构与算法都学过了),等刷到后面回溯、贪心、动态规划那才能切身体会有多痛苦。。。