代码随想录算法训练营第十一天| 150. 逆波兰表达式求值 239. 滑动窗口最大值

150. 逆波兰表达式求值

力扣150. 逆波兰表达式求值

代码随想录题解

这道题之前学过，但是忽略了6整除-132等于0这种极端情况，看到题解才知道如何处理除法，代码如下：

class Solution(object):
    def evalRPN(self, tokens):
        stack = []
        for i in tokens:
            if i in ['+', '-', '*', '/']:
                # 如果遇到操作符，则从栈中取出两个元素进行相应的计算
                right_operand = stack.pop()
                left_operand = stack.pop()
                if i == '+':
                    newNum = left_operand + right_operand
                elif i == '-':
                    newNum = left_operand - right_operand
                elif i == '*':
                    newNum = left_operand * right_operand
                elif i == '/':
                    # 对于除法，需要特别注意结果应向下取整 6整除-132 == 0
                    newNum = int(left_operand / right_operand) if left_operand * right_operand > 0 else -(abs(left_operand) // abs(right_operand)) 
                    # 使用 int() 来向下取整
                stack.append(newNum)
            else:
                # 如果不是操作符，则直接将字符串转换为整数并压入栈
                stack.append(int(i))
        return stack.pop()

239. 滑动窗口最大值

力扣239

读完题目觉得没那么难，但是提交代码的时候就嘻嘻了

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        left = 0
        right = k
        res = []
        while right <= len(nums):
            que = nums[left:right]
            res.append(max(que))
            left += 1
            right += 1
        return res

直接超时，我的代码时间复杂度为 O(n * k)，还是老老实实学吧。这道题的思路是创建一个队列，这个队列是单调递减的，保持最大的数在队头，所以遍历数组的每个元素的时候，只需要获取对头的元素即可。这样就能输出最大值。具体的Push和Pop函数如何设计见代码吧，我看了好久也不明白为啥这样设计的，这是怎么想到的，先用代码随想录题解的代码记一下了：

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
            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

347.前 K 个高频元素

如果直接写写不好，还是得学。

这里用到优先级队列会方便一些，可以理解为只维护长度为K的优先级队列，这样时间复杂度就是O（nlogk）低于快排的时间复杂度。优先级队列是通过堆来实现的，用的还不是很熟练，目前可以先理解为自动排序的字典，只不过显示为数组（key：value创建，但是print的时候只显示value）。代码如下，细节都在备注里：

import heapq#用堆创建优先级队列来解
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        mapNum = {}
        for i in nums:
            if i not in mapNum:
                mapNum[int(i)] = 1
            else:
                mapNum[int(i)] += 1
        
        priQ = []#小顶堆
        for num, freq in mapNum.items():
            heapq.heappush(priQ, (freq, num))
            if len(priQ) > k:
                heapq.heappop(priQ)
        result = [0] * k#创建好数组，便于倒序遍历，因为heapq的heappop方法只能弹出最小数字，要把较小出现频率的放在靠后的位置
        for i in range(k-1, -1 ,-1):#倒序遍历，从k-1一直到0
            result[i] = heapq.heappop(priQ)[1]#这里的方括号里的索引 1 表示我们想要获取元组中的第二个元素，
            #即数字本身。如果我们使用索引 0，我们将得到频率而不是数字
        return result