代码随想录day13

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