2024/3/21--代码随想录算法训练营day13|239.滑动窗口的最大值、347.前K个高频元素、总结

西西，正在减肥

已于 2024-03-21 16:35:00 修改

阅读量208

点赞数 2

分类专栏： # 数组+链表+哈希表+字符串+栈和队列文章标签：算法

于 2024-03-21 11:00:00 首次发布

本文链接：https://blog.csdn.net/qq_46277517/article/details/136902361

版权

数组+链表+哈希表+字符串+栈和队列专栏收录该内容

11 篇文章 0 订阅

订阅专栏

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
在这里插入图片描述
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
在这里插入图片描述
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
在这里插入图片描述

#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