150. 逆波兰表达式求值
栈与递归之间在某种程度上是可以转换的。其实逆波兰表达式相当于是二叉树中的后序遍历。后缀表达式对计算机来说是非常友好的。
class Solution {
public:
int evalRPN(vector<string>& tokens) {
stack<int> st;
for(auto c:tokens){
if(c=="+"||c=="-"||c=="*"||c=="/"){
int nums1=st.top();
st.pop();
int nums2=st.top();
st.pop();
if(c=="+") st.push(nums1+nums2);
if(c=="-") st.push(nums2-nums1);
if(c=="*") st.push(nums1*nums2);
if(c=="/") st.push(nums2/nums1);
}else{
st.push(stoi(c));
}
}
int result=st.top();
st.pop();
return result;
}
};
stoll
是 C++ 标准库中的一个函数,用于将字符串转换为 long long
类型的整数。
stoi
是 C++ 标准库中的一个函数,用于将字符串转换为 int
类型的整数。
239. 滑动窗口最大值
用deque实现了一个单调队列,很有难度
class Solution {
private:
class MyQueue { //单调队列(从大到小)
public:
deque<int> que; // 使用deque来实现单调队列
// 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。
void pop(int value) {
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
// 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。
void push(int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(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。
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++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // result 记录前k的元素的最大值
for (int i = k; i < nums.size(); i++) {
que.pop(nums[i - k]); // 滑动窗口移除最前面元素
que.push(nums[i]); // 滑动窗口前加入最后面的元素
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
class类中不要忘记public:
题解中单调队列里的pop和push接口,仅适用于本题哈。单调队列不是一成不变的,而是不同场景不同写法,总之要保证队列里单调递减或递增的原则,所以叫做单调队列。
C++中deque是stack和queue默认的底层实现容器,deque是可以两边扩展的,而且deque里元素并不是严格的连续分布的。
deque容器支持在两端都进行插入和删除操作
que.front que.back que.push_back que.push_front que.pop_back que.pop_front
操作之前检查que.empty()
347.前 K 个高频元素
优先级队列就是一个披着队列外衣的堆,因为优先级队列对外接口只是从队头取元素,从队尾添加元素,再无其他取元素的方式,看起来就是一个队列。
缺省情况下priority_queue利用max-heap(大顶堆)完成对元素的排序,这个大顶堆是以vector为表现形式的complete binary tree(完全二叉树)。
push(value)
:将元素value
插入优先队列中,并维持堆的性质。pop()
:移除堆顶元素,即优先级最高的元素。top()
:返回堆顶元素的值,但不移除它。
这些操作使priority_queue
特别适合用于实现基于优先级的任务调度、处理应急任务等场景。
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。
class Solution {
public:
// 小顶堆
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) {
// 要统计元素出现频率
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;
// 用固定大小为k的小顶堆,扫面所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > k) { // 如果堆的大小大于了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,所以倒序来输出到数组
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
大顶堆:priority_queue<int>
或使用默认的priority_queue
。
小顶堆:priority_queue<int, vector<int>, greater<int>>
或通过自定义比较器来实现。
greater<T>
是 <functional>
头文件中的一个模板类,用于比较两个值的大小,默认实现为“>`”。
MyComparison
:定义了一个比较器类,其中的operator()
函数定义了比较规则。具体来说,当lhs > rhs
时,返回true
,这意味着在堆的结构中,lhs
将排在rhs
之后。由于我们希望建立一个小顶堆,这个比较器实现了这样的需求。
operator()
:这是一个重载的比较操作符,用来定义两个元素之间的比较规则。pair<int, int>
:堆中的元素类型是pair<int, int>
,其中第一个int
是数组中的元素值,第二个int
是该元素的频率。lhs.second > rhs.second
:这里定义的比较规则是,如果lhs
(左边的元素)的频率大于rhs
(右边的元素)的频率,则返回true
。这意味着频率较小的元素将优先排在堆顶。
priority_queue
是一个模板类,它的定义需要三个模板参数:
- 数据类型 (
T
):即优先队列中保存的元素类型。 - 容器类型 (
Container
):存储元素的底层容器类型,通常是一个序列容器。默认情况下,priority_queue
使用std::vector
作为底层容器。 - 比较器类型 (
Compare
):用于决定优先队列中的元素顺序的比较器。默认情况下,priority_queue
是大顶堆,即最大元素在堆顶。如果要定义小顶堆或自定义顺序,需要提供一个自定义的比较器。