239. 滑动窗口最大值
题解:最重要的是随时维护自定义的单调队列,保证出口处的元素是滑动窗口的最大值,并且只加入有可能成为最大值的元素
在单调队列里面,怎么判断什么时候应该计算一下最大值?第一次遍历K,输出第一个最大值,后面遍历【k,size】,每次都必须输出一个最大值
from collections import deque
class MyQueue: #单调队列(从大到小
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()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()
#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)
#查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
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): #先将前k的元素放进队列
que.push(nums[i])
result.append(que.front()) #result 记录前k的元素的最大值
for i in range(k, len(nums)):
que.pop(nums[i - k]) #滑动窗口移除最前面元素 (这里不应该移除前面所有小于nums[i]的元素吗?)
que.push(nums[i]) #滑动窗口前加入最后面的元素
result.append(que.front()) #记录对应的最大值
return result
初始思路:统计各个元素出现的次数,用字典;然后按字典的值排序,最后输出前K个字典的键
题解:只需要维持前K个元素,用堆的数据结构,堆里面只有K个元素
利用大顶堆:最后留下的是集合中最小的K个元素
利用小顶堆:才能留下集合中最大的K个元素
优先队列就可以实现堆
Python的内置标准库heapq实现的是小顶堆,要想利用heapq实现大顶堆有两种思路:
- 将数据取反进行push(此方法只针对数值型数据)
- 重载
__lt__
函数(针对自定义数据类型使用 - Python heapq实现大顶堆_python 大顶堆_zh4men9的博客-CSDN博客
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](从堆里弹出的数是键值对,freq:key,我们只需要key,所以是【1】,如果要freq,则是【0】
return result
学习heapq库的用法