leetcode算法练习
239. 滑动窗口最大值
题目链接
单调队列:维护队列里 单调递增或递减 将有可能成为最大值的数放在队列
思路:
- push进来的元素比之前的都要大 那么前面的元素都要删除 直到前面的元素没有加入的元素大为止 弹出队首元素就是窗口最大值
- 如果滑动窗口向后移动 弹出元素和队首元素相同 就说明是当前窗口的最大值 要真pop掉
class MyQueue {
Deque<Integer> deque = new LinkedList<>();
// 弹出元素时 比较当前要弹出的数值是否等于队列出口的数值 如果相等则弹出
// 同时判断队列当前是否为空
void poll(int val) {
if (!deque.isEmpty() && val == deque.peek()) {
// 说明要移除的元素是滑动窗口里的最大值
deque.poll();
}
}
// 加入元素比队尾的元素都大 那么就将队尾元素进行弹出
// 例如:5 2 1 0 要加入 3 那么0 1 2都弹出
void add(int val) {
while (!deque.isEmpty() && val > deque.getLast()) {
deque.removeLast();
}
deque.add(val);
}
// 队列队顶元素始终为最大值
int peek() {
return deque.peek();
}
}
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if (nums.length == 1) {
return nums;
}
int len = nums.length - k + 1;
// 存放结果元素的数组
int[] res = new int[len];
int num = 0;
// 自定义队列
MyQueue myQueue = new MyQueue();
// 先将前k的元素放入队列
for (int i = 0; i < k; i++) {
myQueue.add(nums[i]);
}
res[num++] = myQueue.peek();
for (int i = k; i < nums.length; i++) {
// 滑动窗口移除最前面的元素,移除是判断该元素是否放入队列
myQueue.poll(nums[i - k]);
// 滑动窗口加入最后面的元素
myQueue.add(nums[i]);
// 记录对应的最大值
res[num++] = myQueue.peek();
}
return res;
}
}
347.前K个高频元素
题目链接
一下子就联想到了map这种数据结构!
key存放数组内元素 value存放数组内元素出现的次数
思路:
- 对数组内元素先进行排序——可以根据value从大到小进行排序 然后取出前k个 对元素进行排序 快排时间复杂度是nlogn
- 但其实没必要对所有元素排序 因为只要维护前k个——利用大顶堆/小顶堆来实现
堆底层的实现是二叉树:大顶堆就是头部元素比孩子元素大 小顶堆反之
如何利用堆来实现呢?
用堆去遍历map里的所有元素 堆里只要维持k个元素
选择使用哪个顶堆呢?
时间复杂度:遍历一遍数组内的元素为n 在堆内没加入一个元素 考虑到堆实现是二叉树 所以是logk的复杂度 因为堆只维护k个元素——故为nlogk
/* Comparator接口说明:
* 返回负数,形参中第一个参数排在前面;返回正数,形参中第二个参数排在前面
* 对于队列:排在前面意味着往队头靠
* 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
* */
class Solution {
public int[] topKFrequent(int[] nums, int k) {
// 基于小顶堆实现
// key为数组元素值 val为对应出现次数
Map<Integer,Integer> map = new HashMap<>();
// 遍历数组 统计频率
for(int num:nums){
// map.getOrDefault 如果存在key 则返回其对应的value并+1 如果不存在就返回0并+1
map.put(num,map.getOrDefault(num,0)+1);
}
// 当一个方法需返回两个值并且两个值都有重要意义时 我们一般会用Map的key value来表达 但是如果仅返回两个值 就用管理一堆key/value键值对的HashMap等结构 有点大材小用 增加了数据结构的复杂度 选用pair
// 创建小顶堆pq 里面存的是pair这种数据结构 即key value(key为数组元素值 val为对应出现次数)
// 指定应该如何排序 要从小大到大 出现次数按从队头到队尾的顺序是从小到大排 出现次数最低的在队头(相当于小顶堆)
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
// 小顶堆只需要维持k个元素有序
// 遍历map
for(Map.Entry<Integer,Integer> entry:map.entrySet()){
// 小顶堆元素个数小于k个时直接加
if(pq.size() < k){
pq.add(new int[]{entry.getKey(),entry.getValue()});
}else{
// 当前元素出现次数大于小顶堆的根结点(这k个元素中出现次数最少的那个)
if(entry.getValue() > pq.peek()[1]){
// 弹出小顶堆的根结点 即把堆里出现次数最少的那个删除 留下的就是出现次数多的了
pq.poll();
// 存入现在的
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
}
}
// 定义要返回的数组
int[] ans = new int[k];
// 倒序遍历 因为最高频的要先输出
for(int i = k - 1; i >= 0; i--){
// 依次弹出小顶堆 先弹出的是堆的根 出现次数少 后面弹出的出现次数多
ans[i] = pq.poll()[0];
}
return ans;
}
}