deque.pop() 移出并返回deque最右侧的元素(末尾元素)
deque.leftpop() 移出并返回deque最左侧的元素(开头元素)
239.滑动窗口的最大值
力扣链接
暴力解法时间复杂度O(n*k)
大顶堆(优先级序列)来存放这窗口里的k个数字,给所有元素做个优先级排序,最大的元素在最上面;但是窗口是移动的,而大顶堆每次只能弹出最大值,无法移出其他数值,这就造成大顶堆维护的捕食滑动窗口里面的数值了。所以不能用大顶堆。
我们需要一个队列,这个队列,能随着窗口移动,先pop(),在push(),最后在告诉当前窗口的最大值【单调递减序列:只需要维护可能成为最大值的数,在出口处!同时保证窗口的序列是从大到小】
【时间复杂度O(n),一个元素进或出窗口仅一次,空间复杂度O(k)】
from collections import deque
class MyQueue: #单调队列(从大到小
def __init__(self):
self.queue = deque() #这里需要使用deque实现单调队列,直接使用list会超时
#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。
#同时pop之前判断队列当前是否为空。
def pop(self, value):
if self.queue and value == self.queue[0]:
self.queue.popleft()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()
#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入口元素的数值为止。
#这样就保持了队列里的数值是单调从大到小的了。
def push(self, value):
while self.queue and value > self.queue[-1]:
self.queue.pop()
self.queue.append(value)
#查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
def front(self):
return self.queue[0]
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
que = MyQueue()
result = []
for i in range(k): #先将前k的元素放进队列
que.push(nums[i])
result.append(que.front()) #result 记录前k的元素的最大值
for i in range(k, len(nums)):
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.append(que.front()) #记录对应的最大值
return result
347.前K个高频元素
力扣链接
题目涉及的内容: 1.统计元素出现频率 2.对频率排序 3.找出前K个高频元素
大顶堆【父节点>=左右孩子】和小顶堆【父节<=左右孩子】:在一个大的数据集里面,求前k个高频或者低频的元素
堆【二叉树结构】:堆里面pop()弹出父节点,push()进来是叶子结点,因为要保留大的元素,所以把小的弹出去,应该用小顶堆
时间复杂度O(nlogk) 二叉树k个结点,维护二叉树,复杂度logk
#时间复杂度:O(nlogk) 空间复杂度:O(n)
import heapq
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
#要统计元素出现频率
map_ = {} #nums[i]:对应出现的次数
for i in range(len(nums)):
map_[nums[i]] = map_.get(nums[i], 0) + 1
#对频率排序
#定义一个小顶堆,大小为k
pri_que = [] #小顶堆
#用固定大小为k的小顶堆,扫描所有频率的数值
for key, freq in map_.items():hui
heapq.heappush(pri_que, (freq, key))
#heapq模块在处理元组时,邮箱比较元组第一个元素【频率】,其次,是第二个。较小的元素会放在堆的前面
if len(pri_que) > 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
heapq.heappop(pri_que)
#找出前K个高频元素,因为小顶堆先弹出的是最小的,所以==倒序==来输出到数组!!!
result = [0] * k
for i in range(k-1, -1, -1):
result[i] = heapq.heappop(pri_que)[1] #小顶堆pop出来是一个元组(freq,key)
return result
总结
栈里面的元素在内存中是连续分布的么?
这个问题有两个陷阱:
- 栈是容器适配器,底层容器使用不同的容器,导致栈内数据在内存中不一定是连续分布的。
- 缺省情况下,默认底层容器是deque,那么deque在内存中的数据分布是什么样的呢? 答案是:不连续的,下文也会提到deque。
栈的经典题目
- 括号匹配问题
- 字符串去重问题
- 逆波兰表达式问题
队列的经典题目
- 滑动窗口最大值问题【单列队列】
- 求前K个高频元素【优先级队列,大(小)顶堆】