求职力扣刷题---day13---栈与队列part03

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。

思路：

1. 使用双端队列实现
2. 栈实现的过程中，因为需要维护最大值，以及判断最大值是否失效，因此放入栈中的元素
   为对应的index，这样就能够通过判断最左侧的最大值的index是否在滑窗内就行了
3. 用双端队列的时候，大的元素一路朝底塞

代码实现

1. 双端队列实现

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        n  = len(nums)
        q = collections.deque()
        for i in range(k):
            while q and nums[i] >= nums[q[-1]]:
                q.pop()
            q.append(i)
        ans = [nums[q[0]]]
        for i in range(k,n):
            while q and nums[i] >= nums[q[-1]]:
                q.pop()
            q.append(i)
            while q and i - k >= q[0]:
                q.popleft()
            ans.append(nums[q[0]])
        return ans

2. 堆实现
   注意事项
3. python的heapq是小根堆，没有大根堆，因此这里需要(-value, index) 放入，达到大根堆的目的
4. 需要判断当前的堆顶最大值元素是否在时间窗口以内，不在则需要pop堆顶的元素
5. 不需要时刻判断heap中的元素是否都在时间窗口以内，只需要判断堆顶元素是否在时间窗内进行了

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        heap = [(-nums[i],i) for i in range(k)]
        heapq.heapify(heap)
        ans = [0] * (len(nums) - k + 1)
        ans[0] = -heap[0][0]
        for i in range(k,len(nums)):
            heapq.heappush(heap,(-nums[i],i))
            while heap[0][1] <= i - k:
                heapq.heappop(heap)
            ans[i-k+1] = -heap[0][0]
        return ans

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 $O(n\log n)$ , 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

思路

1. 和第一题一样使用堆的实现，但是更加的简单，只需要第一次遍历统计一下各个元素的数量，形成一个字典即可，也不需要维护内部元素的有效性，并且直接是使用小根堆jiuxingle
2. 使用小根堆

代码实现

import heapq

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        num_count = dict()
        for num in nums:
            if num not in num_count:
                num_count[num] = 1
            else:
                num_count[num] += 1
        print(num_count)
        heap = []
        i = 0
        for key, value in num_count.items():
            if i < k:
                heapq.heappush(heap, (value, key))
            else:
                if value > heap[0][0]:
                    heapq.heappush(heap, (value, key))
                    heapq.heappop(heap)
            i += 1
        return [x[1] for x in heap]