代码随想录算法训练营第11天| 150. 逆波兰表达式求值， 239. 滑动窗口最大值， 347.前 K 个高频元素

学习任务：

• Leetcode 150. 逆波兰表达式求值
• Leetcode239. 滑动窗口最大值
• Leetcode347.前 K 个高频元素
• 总结

---

Leetcode 150. 逆波兰表达式求值

难度：中等 | 相关标签：栈、数组、数学

• 题目： 给你一个字符串数组 tokens ，表示一个根据 逆波兰表示法 表示的算术表达式。请你计算该表达式。返回一个表示表达式值的整数。
  注意：

  • 有效的算符为 ‘+’、‘-’、‘*’ 和 ‘/’ 。
  • 每个操作数（运算对象）都可以是一个整数或者另一个表达式。
  • 两个整数之间的除法总是 向零截断 。
  • 表达式中不含除零运算。
  • 输入是一个根据逆波兰表示法表示的算术表达式。
  • 答案及所有中间计算结果可以用 32 位 整数表示。

• 思路： 遍历数组，遇到数字就加入栈中；遇到操作符，就从栈中取出两个数字进行计算，把计算结果再放入栈中

• 注意：

  • 逆波兰表达式相当于是二叉树中的后序遍历
  • – 和/ 需要注意参数顺序

• 代码：

class Solution {
    public int evalRPN(String[] tokens) {
        Stack<Integer> stack = new Stack<>();
        for (String s : tokens) {
            if ("+".equals(s)) {       
                stack.push(stack.pop() + stack.pop());      // 注意 - 和/ 需要特殊处理
            } else if ("-".equals(s)) {
                stack.push(-stack.pop() + stack.pop());
            } else if ("*".equals(s)) {
                stack.push(stack.pop() * stack.pop());
            } else if ("/".equals(s)) {
                int temp1 = stack.pop();
                int temp2 = stack.pop();
                stack.push(temp2 / temp1);
            } else {
                stack.push(Integer.valueOf(s));
            }
        }
        return stack.pop();
    }
}

• 反思：

---

Leetcode 239. 滑动窗口最大值

难度：困难 | 相关标签：队列、数组、滑动窗口、单调队列、堆（优先队列）

• 题目： 给你一个整数数组 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：

• 注意：

• 代码：

• 反思： 先看看视频，理解下解题思路；没太理解，先放过去吧，呜呜呜

---

Leetcode 347.前 K 个高频元素

难度：中等 | 相关标签：数组、哈希表、分治、桶排序、计数、快速选择、排序、堆（优先队列）

• 题目： 给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

• 思路：

  1. 要统计元素出现频率：使用map来进行统计
  2. 对频率排序：使用一种 容器适配器就是优先级队列
  3. 找出前K个高频元素：要用小顶堆，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，最后小顶堆里积累的才是前k个最大元素

• 注意：

  • 什么是优先级队列呢？
    其实就是一个披着队列外衣的堆，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列
  • 对于堆（使用PriorityQueue实现）：从队头到队尾按从小到大排就是最小堆（小顶堆），从队头到队尾按从大到小排就是最大堆（大顶堆）—>队头元素相当于堆的根节点

• 代码：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        // 优先级队列，为了避免复杂 api 操作，pq 存储数组
        // lambda 表达式设置优先级队列从大到小存储 o1 - o2 为从小到大，o2 - o1 反之
        PriorityQueue<int[]> pq = new PriorityQueue<>((o1, o2) -> o1[1] - o2[1]);
        // 答案数组为 k 个元素
        int[] res = new int[k]; 
        // 记录元素出现次数
        Map<Integer, Integer> map = new HashMap<>(); 

        for (int num : nums){
            map.put(num, map.getOrDefault(num, 0) + 1);
        } 
        for (var x : map.entrySet()) { // entrySet 获取 k-v Set 集合
            // 将 kv 转化成数组
            int[] tmp = new int[2];
            tmp[0] = x.getKey();
            tmp[1] = x.getValue();
            pq.offer(tmp);
            // 下面的代码是根据小根堆实现的，我只保留优先队列的最后的k个，只要超出了k我就将最小的弹出，剩余的k个就是答案
            if(pq.size() > k) {
                pq.poll();
            }
        }
        for (int i = 0; i < k; i++) {
            res[i] = pq.poll()[0]; // 获取优先队列里的元素
        }
        return res;
    }
}

• 反思： 先看看视频，理解下解题思路；能了解原理，自己也没写出来

总结：

• 递归的实现是栈：每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中，然后递归返回的时候，从栈顶弹出上一次递归的各项参数，所以这就是递归为什么可以返回上一层位置的原因