代码随想录Day13|栈与队列3|大小顶堆-优先队列

最新推荐文章于 2024-11-02 16:28:26 发布

OctoberTE

最新推荐文章于 2024-11-02 16:28:26 发布

阅读量108

点赞数

分类专栏：力扣刷题文章标签： python leetcode

本文链接：https://blog.csdn.net/qq_43250021/article/details/131867696

版权

力扣刷题专栏收录该内容

36 篇文章 0 订阅

订阅专栏

文章介绍了两种使用Python实现滑动窗口最大值的算法，一种基于单调队列，另一种优化后使用了双端队列。同时，文章还讨论了如何在O(n)的时间复杂度内找到数组中前K个高频元素，分别使用了排序和堆数据结构的方法。

摘要由CSDN通过智能技术生成

239.滑动窗口最大值

主要思路-单调队列
V1 ：自己用list写了一个单调队列的思路，但是list的pop(-1)时间复杂度为O(n)，刚好卡到限制时间过
V2：用内置的deque的双端队列实现双端输入输出

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        mon_queue = []
        ans = []
        idx = 0
        for i in range(k):
            if mon_queue and mon_queue[0]<nums[i]:
                mon_queue = [nums[i]]
            # elif not mon_queue or mon_queue[-1]>=nums[i]:
            #     mon_queue.append(nums[i])
            else:
                while(mon_queue and mon_queue[-1]<nums[i]):
                    mon_queue.pop(-1)
                mon_queue.append(nums[i])
        
        if mon_queue:
            ans.append(mon_queue[0])
        
        for i in range(k,len(nums)):
            if nums[i-k]==mon_queue[0]:
                mon_queue.pop(0)
            while(mon_queue and mon_queue[-1]<nums[i]):
                mon_queue.pop(-1)
            mon_queue.append(nums[i])
            ans.append(mon_queue[0])

        return ans

## V2
from collections import deque
class Myqueue():
    def __init__(self):
        self.queue = deque()
    def pop(self,num):
        if self.queue and num == self.deque[0]:
            self.queue.popleft()
    def push(self,num):
        while self.queue and num>self.queue[-1]:
            self.queue.pop()
        self.queue.append(num)
    def getfront(self):
        return self.queue[0]

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        mon_queue = Myqueue()
        ans = []
        for i in range(k):
            mon_queue.push(nums[i])
        if mon_queue:
            ans.append(mon_queue.getfront())
        for i in range(k,len(nums)):
            mon_queue.pop(nums[i-k])
            mon_queue.push(nums[i])
            ans.append(mon_queue.getfront())
        return ans

347.前 K 个高频元素

-题目要求时间复杂度优于为O(nlogn)

Step1：哈希表记录出现的次数
Step2：V1：全排序，时间复杂度为O(nlogn)，不符合题目要求; V2: 只维护前k个元素，只排序k个

## V1
import collections
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        dicts = collections.defaultdict(int)
        for i in nums:
            dicts[i] += 1
        dicts = sorted(dicts.items(),key=lambda d:d[1],reverse = True)
        ans = []
        for i in range(k):
            ans.append(dicts[i][0])
        return ans[:k]

import collections,heapq
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        dicts = collections.defaultdict(int)
        for i in nums:
            dicts[i] += 1
            que = []
        for key,freq in dicts.items():
            heapq.heappush(que,(freq,key))
            if len(que)>k:
                heapq.heappop(que)
        ans = []
        for i in range(k):
            ans.append(heapq.heappop(que)[1])
        return ans