Day13 | LeetCode 239.滑动窗口的最大值、347.前 K 个高频元素

LeetCode 239.滑动窗口的最大值

题目链接：239. 滑动窗口最大值 - 力扣（LeetCode）

视频链接：单调队列正式登场！| LeetCode：239. 滑动窗口最大值_哔哩哔哩_bilibili

思路

这道题是使用单调队列的经典题目，难点就在于如何找区间内的最大值，当然了，可以使用暴力解法，但是不能用优先级队列，不能用大顶堆，因为一旦使用大顶堆，是把最大值找出来了，但是顺序就乱了，所以不能用大顶堆。这道题使用单调队列，我们可以自己diy一个单调队列，这个队列可以不用维护窗口里的所有元素，只用维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的。（不要以为实现的单调队列就是对窗口里面的数进行排序，如果排序的话，那和优先级队列又有什么区别了呢。）

单调队列如何维护元素如图所示：

更直观的感受到单调队列的工作过程，如图所示：

设计单调队列的时候，pop，和push操作要保持如下规则：

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

保持如上规则，每次窗口移动的时候，只要问que.front()就可以返回当前窗口的最大值。

代码实现

class Solution {
    private:
    class MyQueue {
        public:
        deque<int> que;
        void pop(int value) {
            if(!que.empty() && value == que.front()) {
                que.pop_front();
            }
        }
        void push(int value) {
            while(!que.empty() && value > que.back()) {
                que.pop_back();
            }
            que.push_back(value);
        }
        int front() {
            return que.front();
        }
    };

public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        MyQueue que;
        vector<int> result;
        for(int i = 0;i < k;i++) {
            que.push(nums[i]);
        }
        result.push_back(que.front());
        for(int i = k;i < nums.size();i++) {
            que.pop(nums[i - k]);
            que.push(nums[i]);
            result.push_back(que.front());
        }
        return result;

    }
};

·时间复杂度：O(n)

·空间复杂度：O(k)

LeetCode 347.前 K 个高频元素

题目链接：347. 前 K 个高频元素 - 力扣（LeetCode）

视频链接：优先级队列正式登场！大顶堆、小顶堆该怎么用？| LeetCode：347.前 K 个高频元素_哔哩哔哩_bilibili

思路

统计元素出现的频率，这一类的问题可以使用map来进行统计。对频率进行排序，我们可以使用优先级队列，而优先级队列就是堆。堆有大顶堆和小顶堆，大顶堆就是堆头最大，左右两边比堆头小，小顶堆就是堆头最小，左右两边比堆头大。这道题使用小顶堆，因为使用大顶堆的话，没法保留前k个高频元素，而我们要统计最大的前k个元素，所以我们用小顶堆。如图所示：

代码实现

class Solution {
public:
class mycomparison {
    public:
        bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
            return lhs.second > rhs.second;
        }
    };

    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int, int> map; 
        for (int i = 0; i < nums.size(); i++) {
            map[nums[i]]++;
        }
        priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
        for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
            pri_que.push(*it);
            if (pri_que.size() > k) { 
                pri_que.pop();
            }
        }
        vector<int> result(k);
        for (int i = k - 1; i >= 0; i--) {
            result[i] = pri_que.top().first;
            pri_que.pop();
        }
        return result;

    }
};

·时间复杂度：O(nlogk)

·空间复杂度：O(n)