栈与队列的应用

最新推荐文章于 2024-07-20 11:22:21 发布

mozixiao__

最新推荐文章于 2024-07-20 11:22:21 发布

阅读量239

点赞数 6

文章标签：数据结构 python

本文链接：https://blog.csdn.net/mozixiao__/article/details/139627927

版权

在前面的文章中，我们提到了栈与队列的相关内容，这里举两个例子来展示一下其应用。

栈的应用

题目：由于天气原因，坤坤们的鸡温都有了一定的提高，请根据每天坤坤的鸡温表 temperatures ，重新生成一个列表，要求其对应位置的输出为：要想观测到更高的鸡温，至少需要等待的天数。如果鸡温在这之后都不会升高，请在该位置用 0 来代替。

示例 1:

输入: temperatures= [73,74,75,71,69,72,76,73]
输出: [1,1,4,2,1,1,0,0]

示例 2:

输入: temperatures = [30,40,50,60]
输出: [1,1,1,0]

这里如果采用常规的方法，采用两个for循环来依次遍历每个温度，时间复杂度为 $O(n^{2})$ ，采用栈的形式则可以将时间复杂度降到 $O(n)$ 。

class Solution_twofor:
    def dailyTemperatures(self, temperatures):
        n = len(temperatures)
        ans = [0]*n
        for i in range(n-1):
            for j in range(i+1,n):
                if temperatures[j]>temperatures[i]:
                    ans[i]=j-i
                    break
        return ans

class Solution_stack:
    def dailyTemperatures(self, temperatures):
        n = len(temperatures)
        ans = [0]*n
        stack = []
        for i in range(n):
            while stack and temperatures[stack[-1]]<temperatures[i]:
                ans[stack[-1]] = i-stack[-1]
                stack.pop()
            stack.append(i)
        return ans
#数据量较小时
temperatures = [73,74,75,71,69,72,76,73]
print(Solution_twofor().dailyTemperatures(temperatures))#[1, 1, 4, 2, 1, 1, 0, 0]
print(Solution_stack().dailyTemperatures(temperatures))#[1, 1, 4, 2, 1, 1, 0, 0]
import time
import random
temperatures = [random.randint(0,101) for i in range(50000)]
starttime1 = time.time()
res1 = Solution_twofor().dailyTemperatures(temperatures)
endtime1 = time.time()

starttime2 = time.time()
res2 = Solution_stack().dailyTemperatures(temperatures)
endtime2 = time.time()
print(endtime1-starttime1) #0.7420089244842529
print(endtime2-starttime2) #0.017000675201416016

我们可以发现，当数据量变大时，使用栈就可以极大地缩短计算时间。

队列的应用

题目：给你一个整数数组 nums，表示坤坤所拥有的背带裤长度的排列，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 滑动窗口中的最大背带裤长度 。

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

这里如果常规作法，依次从左到右滑动窗口，然后计算窗口中的k个数据的最大值，时间复杂度则为 $O(nk)$ ，如果采用队列，队列头部记录的是窗口中的最长背带裤下标，后面如果出现比其短的背带裤则加入其下标，然后遇到大的则从后往前依次删除，以确保最大的出列之后，下一个元素是最大的，其时间复杂度为 $O(n)$ 。这里我们就不展示常规做法了，用兴趣的小伙伴自行思考编写。

class Solution:
    def maxSlidingWindow(self, nums, k):
        ans = []
        deq = []
        n = len(nums)
        for i in range(n):
            while deq and nums[deq[-1]]<=nums[i]:
                deq.pop()
            deq.append(i)
            if i-deq[0]>k-1:
                deq.pop(0)
            if i>=k-1:
                ans.append(nums[deq[0]])
        return ans
print(Solution().maxSlidingWindow(nums = [1,3,-1,-3,5,3,6,7], k = 3))