设立一个单调队列,有pop,push,和getmaxvalue三种操作
原则:两头出队,一头进队
当队列不为空,且队列最左侧value=遍历到的value,出队
当进队的元素比前面的大,前面的出队,保持窗口单调递减
遍历过程:
先创建一个完整滑动窗口,
然后循环执行入队,出队,取值操作
from collections import deque
class Myqueue():
def __init__(self):
self.que=deque()
def pop(self,value):
if self.que and value==self.que[0]:
self.que.popleft()
def push(self,value):
while self.que and value>self.que[-1]:
self.que.pop()
self.que.append(value)
def getmaxval(self):
return self.que[0]
class Solution(object):
def maxSlidingWindow(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
res=[]
que=Myqueue()
for i in range(k):
que.push(nums[i])
res.append(que.getmaxval())
for i in range(k,len(nums)):
que.push(nums[i])
que.pop(nums[i-k])
res.append(que.getmaxval())
return res
第二题
构建top k 堆的两种方法
1.每个元素逐一入堆,当堆内元素个数大于k时,入堆时同时弹出
2.先让前k个元素入堆,然后下一个元素入堆前,先和堆顶元素比较,大于则入堆--弹出,小于不进行操作
import heapq
class Solution(object):
def topKFrequent(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: List[int]
"""
table={}
for i in range(len(nums)):
table[nums[i]]=table.get(nums[i],0)+1
pri_que=[]
for key,fre in table.items():
heapq.heappush(pri_que,(fre,key))
if len(pri_que)>k:
heapq.heappop(pri_que)
res=[0]*k
for i in range(k-1,-1,-1):
res[i]= heapq.heappop(pri_que)[1]
return res
def top_k_heap(nums: list[int], k: int) -> list[int]:
"""基于堆查找数组中最大的 k 个元素"""
# 初始化小顶堆
heap = []
# 将数组的前 k 个元素入堆
for i in range(k):
heapq.heappush(heap, nums[i])
# 从第 k+1 个元素开始,保持堆的长度为 k
for i in range(k, len(nums)):
# 若当前元素大于堆顶元素,则将堆顶元素出堆、当前元素入堆
if nums[i] > heap[0]:
heapq.heappop(heap)
heapq.heappush(heap, nums[i])
return heap