239. 滑动窗口最大值，347.前 K 个高频元素

239. 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

class MyQueue{
    Deque<Integer> deque = new LinkedList<>();
    
    void poll (int val) {
        if (!deque.isEmpty() && val == deque.peek()) {
            deque.poll();
        }
    }

    void offer (int val) {
        while (!deque.isEmpty() && val > deque.getLast()) {
            deque.pollLast();
        }
        deque.offer(val);
    }

    int peek() {
        return deque.peek();
    }
}

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if (nums.length == 1) {
            return nums;
        }

        int len = nums.length - k + 1;
        int[] res = new int[len];
        int num = 0;

        MyQueue queue = new MyQueue();

        for (int i = 0; i < k; i++) {
            queue.offer(nums[i]);
        }

        res[num++] = queue.peek();
        for (int i = k; i < nums.length; i++) {
            queue.poll(nums[i - k]);
            queue.offer(nums[i]);
            res[num++] = queue.peek();
        }
        return res;
    }
}

 有想过用PriorityQueue解决这个问题，可惜移动窗口用优先级队列不能直接poll出窗口最左边的元素。那就自己实现一个队列吧。poll元素时，要比较滑动窗口要移除的值和队列出口的值是否相等，如果相等，则放心poll出来，如果不相等，说明要移除的元素已经不在队列里了，可以忽略。要offer元素时，要比较入队列元素是否大于队列入口元素，如果大于，则把队列入口元素移除，直至不大于，再把元素入队列。这种方法能保证，队列出口的元素，永远是滑动窗口里的最大元素！

 

347. 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

进阶：你所设计算法的时间复杂度 必须 优于 O(n log n) ，其中 n 是数组大小。

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer,Integer> map = new HashMap<>();
        for (int num : nums) {
            map.put(num,map.getOrDefault(num,0)+1);
        }
        PriorityQueue<int[]> pq = new PriorityQueue<>((o1,o2)->o1[1]-o2[1]); // 小顶堆
        for (Map.Entry<Integer,Integer> entry:map.entrySet()) {
            int num = entry.getKey();
            int count = entry.getValue();
            if (pq.size() < k) {
                pq.offer(new int[]{num,count});
            }
            else {
                if (entry.getValue() > pq.peek()[1]){
                    pq.poll();
                    pq.offer(new int[]{num,count});
                }
            }
        }
        int res[] = new int[k];
        for (int i = k - 1; i >= 0; i--){
            res[i] = pq.poll()[0];
        }
        return res;
    }
}

 这题就要用PriorityQueue来做了。Java中的优先队列是堆实现的，所以优先队列通常用于构造大顶堆和小顶堆。大顶堆和小顶堆能获取大量数据的前几个最小或者最大数据，时间复杂度为O(nlongm)，而 m 就是我们想要进行获取的前几个数，一般为常量。

在堆中，比较器的使用方式为：若返回值>=0，则表示不要交换，否则，需要交换。所以我们只需要认清传入的两个参数，o1和o2哪一个是谁我们就可以控制其是否要交换。只需要记住，o1永远是新的，在插入时是child，删除时是parent。PriorityQueue优先队列中比较器Comparator的使用

这题需要创建一个Map，它的key是元素，value是元素的个数。然后把元素的个数放到比较器比较，创建小顶堆。把Map的value一一压进小顶堆，最小value的元素就会被一一压出来，只要优先队列的大小限制为k，那么遍历完所有元素后留在小顶堆里的自然是前k个最大value的元素。