代码随想录算法训练营第十三天 | 239.滑动窗口最大值、347.前K个高频元素、栈与队列总结

目录​​​​​​​

239. 滑动窗口最大值 

思路

代码

347.前 K 个高频元素

思路

代码

总结

---

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：

1. 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。
2. 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 

本题是 大数据中取前k值 的经

典思路，了解想法之后，不算难。

题目链接/文章讲解/视频讲解：代码随想录

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

代码随想录

         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。。。