1 用栈实现队列
请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作(push
、pop
、peek
、empty
):
实现 MyQueue
类:
void push(int x)
将元素 x 推到队列的末尾int pop()
从队列的开头移除并返回元素int peek()
返回队列开头的元素boolean empty()
如果队列为空,返回true
;否则,返回false
说明:
- 你 只能 使用标准的栈操作 —— 也就是只有
push to top
,peek/pop from top
,size
, 和is empty
操作是合法的。 - 你所使用的语言也许不支持栈。你可以使用 list 或者 deque(双端队列)来模拟一个栈,只要是标准的栈操作即可。
示例 1:
输入: ["MyQueue", "push", "push", "peek", "pop", "empty"] [[], [1], [2], [], [], []] 输出: [null, null, null, 1, 1, false] 解释: MyQueue myQueue = new MyQueue(); myQueue.push(1); // queue is: [1] myQueue.push(2); // queue is: [1, 2] (leftmost is front of the queue) myQueue.peek(); // return 1 myQueue.pop(); // return 1, queue is [2] myQueue.empty(); // return false
提示:
1 <= x <= 9
- 最多调用
100
次push
、pop
、peek
和empty
- 假设所有操作都是有效的 (例如,一个空的队列不会调用
pop
或者peek
操作)
思路:
使用栈来模式队列的行为,如果仅仅用一个栈,是一定不行的,所以需要两个栈一个输入栈,一个输出栈,这里要注意输入栈和输出栈的关系。
- 使用两个栈
stIn
和stOut
分别处理入队和出队操作。 - 入队操作直接向
stIn
中压入元素。 - 出队操作需要确保元素按照队列的顺序弹出,因此需要在必要时将
stIn
中的元素转移到stOut
中,以便实现先进先出的特性。
代码:
class MyQueue {
public:
stack<int> stIn; // 入队栈
stack<int> stOut; // 出队栈
/** 初始化数据结构 */
MyQueue() {
}
/** 将元素 x 推入队列的末尾 */
void push(int x) {
stIn.push(x);
}
/** 移除并返回队列的第一个元素 */
int pop() {
// 只有当出队栈 stOut 为空时,才从入队栈 stIn 中导入数据(导入 stIn 全部数据)
if (stOut.empty()) {
// 从入队栈 stIn 导入数据直到 stIn 为空
while(!stIn.empty()) {
stOut.push(stIn.top());
stIn.pop();
}
}
int result = stOut.top();
stOut.pop();
return result;
}
/** 返回队列的第一个元素,但不移除该元素 */
int peek() {
int res = this->pop(); // 直接使用已有的 pop 函数
stOut.push(res); // 因为 pop 函数弹出了元素 res,所以再添加回去
return res;
}
/** 判断队列是否为空 */
bool empty() {
return stIn.empty() && stOut.empty();
}
};
2滑动窗口最大值
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
示例 2:
输入:nums = [1], k = 1 输出:[1]
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
1 <= k <= nums.length
思路:
- 使用一个双端队列来存储窗口中可能成为最大值的元素的索引。
- 在初始化阶段,保证队列中的索引对应的元素是递减的,这样队首元素始终为当前窗口中的最大值的索引。
- 随着窗口的滑动,维护队列中的索引,保证队首元素始终为最大值的索引。
- 将每个窗口的最大值加入结果数组中返回。
代码:
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int n = nums.size();
deque<int> q; // 定义一个双端队列用来存储元素的索引
// 初始化队列,保证队首元素为当前窗口中最大值的索引
for (int i = 0; i < k; ++i) {
// 如果当前元素比队尾元素对应的数组元素大,则弹出队尾元素
while (!q.empty() && nums[i] >= nums[q.back()]) {
q.pop_back();
}
// 将当前元素的索引压入队列
q.push_back(i);
}
vector<int> ans = {nums[q.front()]}; // 存储结果的数组
// 遍历剩余数组元素
for (int i = k; i < n; ++i) {
// 维护队列,保证队首元素为当前窗口中最大值的索引
while (!q.empty() && nums[i] >= nums[q.back()]) {
q.pop_back();
}
q.push_back(i); // 将当前元素的索引压入队列
while (q.front() <= i - k) {
q.pop_front(); // 移除窗口外的索引
}
ans.push_back(nums[q.front()]); // 将当前窗口最大值加入结果数组
}
return ans;
}
};
3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]
示例 2:
输入: nums = [1], k = 1 输出: [1]
提示:
1 <= nums.length <= 105
k
的取值范围是[1, 数组中不相同的元素的个数]
- 题目数据保证答案唯一,换句话说,数组中前
k
个高频元素的集合是唯一的
这道题目主要涉及到如下三块内容:
- 要统计元素出现频率
- 对频率排序
- 找出前K个高频元素
堆是一种特殊的树形数据结构,它满足以下两个特性:
-
完全二叉树的性质: 堆是一棵完全二叉树,即除了最底层,其它层的节点都被完全填充,并且最底层的节点都集中在左侧。
-
堆序性质: 堆中每个节点的值必须满足堆的特定排序性质,即对于小顶堆(Min-Heap)来说,父节点的值小于或等于其子节点的值;对于大顶堆(Max-Heap),父节点的值大于或等于其子节点的值。
大顶堆(堆头是最大元素),小顶堆(堆头是最小元素)我们要用小顶堆,因为要统计最大前k个元素,只有小顶堆每次将最小的元素弹出,最后小顶堆里积累的才是前k个最大元素。
思路:
解题思路
-
统计元素频率: 使用
unordered_map<int, int>
统计每个元素的出现次数。 -
建立小顶堆:
- 创建一个小顶堆
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison>
。 pair<int, int>
中的第一个元素存储元素值,第二个元素存储该元素出现的次数。- 自定义比较器
mycomparison
定义了小顶堆的排序规则,按照出现次数从大到小排序。
- 创建一个小顶堆
-
保持堆大小为 k:
- 遍历统计好的元素频率,将每个元素及其频率作为 pair 放入小顶堆中。
- 如果堆的大小超过 k,则弹出堆顶元素,以保持堆的大小不超过 k。
-
获取前 k 个高频元素:
- 从小顶堆中依次取出前 k 个高频元素,由于是小顶堆,先弹出的是频率最小的元素。
- 将这 k 个元素逆序存储在结果数组中。
-
返回结果: 返回存储了前 k 个高频元素的数组。
代码:
class Solution {
public:
// 小顶堆
// 自定义比较器,pair 的 second 作为比较规则,即按照 second 从大到小排序
class mycomparison {
public:
bool operator()(const pair<int, int>& m, const pair<int, int>& n) {
return m.second > n.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
// 统计元素出现频率
unordered_map<int, int> map; // map<nums[i], 对应出现的次数>
for (int i = 0; i < nums.size(); i++) {
map[nums[i]]++;
}
// 对频率排序
// 定义一个小顶堆,大小为 k
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
// 使用一个固定大小为 k 的小顶堆,扫描所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > k) { // 如果堆的大小大于 k,则队列弹出,保证堆的大小一直为 k
pri_que.pop();
}
}
// 找出前 k 个高频元素,因为小顶堆先弹出的是最小的,所以倒序将结果存入数组
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};