一、239. 滑动窗口最大值
给定一个数组 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。
进阶:
你能在线性时间复杂度内解决此题吗?
- 未看题解时我的解答,暴力解法,部分正确。
- 我的思路错了,我以为是通过滑动窗口求整个数组最大值,其实是只求滑动窗口最大值。那我确实不会,因为滑动窗口往后走的时候还有可能去掉之前的最大值。
- 哦,暴力还是可以解出来的,每次都要for一遍滑动窗口最大值。
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> ans;
int result = INT_MIN;
for(int i=0; i<nums.size(); i++){
if(i<k){
int count = k;
int j = 0;
for(j=0; j<count; j++){
result = max(result, nums[j]);
}
ans.insert(ans.end(), result);
i = i + j -1;
}else{
result = max(result, nums[i]);
ans.insert(ans.end(), result);
}
}
return ans;
}
};
- 看了代码随想录题解视频,没想到这是一个使用单调队列这种高级数据结构的题目,单调队列使用双向队列实现(deque),本题要找最大值,所以使用非递增队列。
- 本题目无法使用大小顶堆进行解答,因为排序后无法得知需要pop掉的元素是哪一个。
- 看了一遍视频思路能看懂,就是维护这个单调队列,主要实现三个逻辑,单调队列的pop(),push(),getMaxValue()。所以这道题除了三个逻辑要实现之外,还要写调用这三个逻辑的主函数。
- 代码照着代码随想录抄了一遍,倒是感觉不复杂,只要记得维护的是这样一个单调队列就可以了,仅仅只是代码量有点多。
- 值得一提的是,题解的主代码部分的结构和我自己写的结构有相似的地方,都是先弄好最前面k部分的数,然后随着i增加,每次输出一个最大值。
class Solution {
private:
class MyQueue{
public:
deque<int> que;
void pop(int value){
if(!que.empty() && value == que.front()){
que.pop_front();
}
}
void push(int value){
while(!que.empty() && value > que.back()){
que.pop_back();
}
que.push_back(value);
}
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++){
que.push(nums[i]);
}
result.push_back(que.front());
for(int i=k; i<nums.size(); i++){
que.pop(nums[i-k]);
que.push(nums[i]);
result.push_back(que.front());
}
return result;
}
};
二、347.前 K 个高频元素
给定一个非空的整数数组,返回其中出现频率前 k 高的元素。
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:你可以假设给定的 k 总是合理的,且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于 O ( n log n ) O(n \log n) O(nlogn) , n 是数组的大小。
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。 你可以按任意顺序返回答案。
- 看到这道题目我的想法是:
1.先排序,排序用sort就行,排序至少保证相同的元素都在一起。
2.然后维护大小为k的pair或者是map,有键值对或者一对就可以。
3.可能map好一些,因为map可以选有序的,容易维护一些。 - 不过写代码之前还是先看一下题解吧。
优先级队列正式登场!大顶堆、小顶堆该怎么用?| LeetCode:347.前 K 个高频元素
-
使用优先级队列(底层实现就是大/小顶堆),头节点是最大的叫大顶堆。头节点最小的叫小顶堆。由于快排时间复杂度为 O ( n log n ) O(n \log n) O(nlogn),为了减小时间复杂度,这里不需要维护n个元素,只需要维护k个元素,所以时间复杂度可以降为 O ( n log k ) O(n \log k) O(nlogk),在n较大且k较小的情况下性能提升较为明显。
-
由于只需要维护k个元素,在新元素push的情况下,被弹出的是堆顶的元素,所以反而要选择小顶堆,每次都让最小的元素被弹出去,才能使得最后剩下来的是前k个频率最高的元素。
-
可以看出我一开始的思路和题解思路有很大的相似性,只是因为一开始我不知道有大/小顶堆的这个东西存在,所以我需要自己先排序,并且没有想清楚具体怎么维护。而我和题解一样都选择使用map。但这也说明了之前的刷题是很有用的,至少遇到新题能用已学过的方法去思考,上面我思考的就是哈希法。
-
要记得 map[key]++ 这种写法,表示括号里面的是key,而value从零开始做++,可以按照这种方式省略不写。
-
思路看懂了,照着题解敲了一边代码,这个题的代码看着挺陌生的。估计是operator,priority_queue,pair之类的用法之前没接触过。
/ 时间复杂度:O(nlogk)
// 空间复杂度:O(n)
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;
}
};
三、总结
1.栈和队列作为基础的相互实现。(这两个当天有事就跳过了)
2.普通栈能解决的三个经典问题:有效的括号,删除字符串中所有的相邻重复项,逆波兰表达式。
3.队列的应用:单调队列(高级数据结构)解决滑动窗口最大值,优先队列(底层是大/小顶堆)解决前k个高频元素。单调队列可以用一般队列自己实现逻辑,优先队列可以用标准库的priority_queue直接定义大小顶堆。