代码随想录算法训练营第十三天|栈与队列 239. 滑动窗口最大值 347.前 K 个高频元素
LeetCode 239 滑动窗口最大值
题目链接: 239. 滑动窗口最大值
思路:要求在线性时间复杂度内解决此题,则不能通过暴力方法来取得最大值;而大顶堆(优先级队列)每次只能弹出最大值,无法移除其他数值,不合题意;本体需要考虑队列,随着窗口的移动,队列一进一出,每次移动后让队列给出最大值即可。
class MyQueue {
public:
void pop(int value) {
}
void push(int value) {
}
int front() {
return que.front();
}
};
每次窗口移动的时候,调用que.pop(滑动窗口中移除元素的数值),que.push(滑动窗口添加元素的数值),然后que.front()返回所需最大值
此处需要注意,队列没必要维护窗口里的所有元素,只需要维护可能成为窗口里最大值的元素即可,需要保证队列里的元素数值是从大到小的。
class MyQueue {
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;
//每次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
//这样就保持了队列里的数值单调从大到小
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,直接返回队列前端即front即可
int front() {
return que.front();
}
};
完整代码为:
class Solution {
private:
class MyQue {
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) {
MyQue que;
vector<int> result;
for(int i = 0; i < k; i++) { //将前k个元素放入队列
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;
}
};
时间复杂度为O(n),因为定义了一个辅助队列,空间复杂度为O(k)
LeetCode 347 前 K 个高频元素
题目链接: 347.前 K 个高频元素
思路:本体涉及如下三个内容:
- 统计元素出现频率
- 对频率进行排序
- 找出前k个高频元素
在统计元素出现频率处可以考虑使用map来进行统计,在对频率进行排序时可以使用容器适配器——优先级队列。
又因为要统计最大前k个元素,只有小顶堆每次将最小的元素弹出,那么最后小顶堆里积累的才是前k个最大元素,因此考虑采用小顶堆。
class Solution {
public:
//小顶堆
class mycomparsion {
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) {
//统计元素出现频率
unordered_map<int, int> map; //map<nums[i],对应出现次数>
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,扫描所有频率的数值
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,因为小顶堆先弹出最小的,用倒序来进行输出
vector<int> result(k);
for(int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
时间复杂度为O(nlogk),空间复杂度为O(n)