思路:由于涉及到计算顺序的颠倒,根据栈的先入后出可以将数字字符先压入栈中,然后碰到运算符就将最上方的两个数字取出计算,再将计算后的结果压入栈中,最后栈中只剩下一个最终的计算值
代码:
class Solution {
public:
int evalRPN(vector<string>& tokens) {
stack<long long> sta;
for(int i = 0;i < tokens.size();i++)//遍历,如果是数字就压入,是符号就弹出最上方的两个数字,计算完成后再压入
{
if(tokens[i] == "+" || tokens[i] == "-" || tokens[i] == "*" || tokens[i] == "/")
{
long long a1 = sta.top();
sta.pop();
long long a2 = sta.top();
sta.pop();
if(tokens[i] == "+") sta.push(a2 + a1);
if(tokens[i] == "-") sta.push(a2 - a1);
if(tokens[i] == "*") sta.push(a2 * a1);
if(tokens[i] == "/") sta.push(a2 / a1);
}
else
{
sta.push(stoll(tokens[i]));//stoll将字符串转化为长长整型
}
}
int res = sta.top();
sta.pop();
return res;
}
};
思路:由于需要获得最大值,考虑使用单调队列,定义队列的pop()函数:每次将k个元素中的最大值放在队列的出口,这样每次弹出的都是队列中的最大值;定义push()函数:如果即将插入进来的元素比队列出口的原最大值大,那么就将原先的比新val小的元素全部弹出,然后把新的val放在队列的出口;定义front()函数,弹出的是最大的值。
代码:
class Solution {
private:
class MyQue{
public:
deque<int> que;
void push(int val)
{
while(!que.empty() && que.back() < val)
{
que.pop_back();//如果即将插入的数比所有的数都大,就将把入口处的删除,再把最大值插入
}
que.push_back(val);
}
void pop(int val)
{
if(!que.empty() && que.front() == val) que.pop_front();//弹出的永远是出口处的最大值
}
int front()
{
return que.front();//弹出最大值
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQue que;
vector<int> res;
for(int i = 0;i < k;i++)
{
que.push(nums[i]);//先插入k个元素,并把最大值放在出口front
}
res.push_back(que.front());//记录前k个元素的最大值
for(int i = k;i < nums.size();i++)
{
que.pop(nums[i-k]);//窗口向右滑动左边出,右边进
que.push(nums[i]);
res.push_back(que.front());
}
return res;
}
思路:比较有难度,需要考虑使用小根堆,而不是大根堆,主要是使用大根堆只能取出每次最大的元素,对于元素的频率无法处理,如果用小根堆的话,可以将频次最小的移出去,只在堆内留存k个元素,全是频率最大的元素。
1.首先需要用unordered_map存储所有元素的值和频率
2.然后构造比较函数,确保频率小的元素优先级更高,更应该被pop出去
3.然后遍历map中的元素,如果大于k,则将新加入的元素弹出,保证堆中的元素始终为k
最后将堆中元素的值取出来存入vector数组
代码:
class Solution {
public:
class MyComparison{
public:
bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
return lhs.second > rhs.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> map;//定义一个哈希表,key存储值,value存储出现的次数
for(int i = 0;i < nums.size();i++)
{
map[nums[i]]++;
}
priority_queue<pair<int, int>, vector<pair<int, int>>, MyComparison> pri_que;
// 用固定大小为k的小顶堆,扫面所有值的出现次数
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > 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
pri_que.pop();
}
}
vector<int> res(k);
for(int i = k - 1;i >= 0;i--)
{
res[i] = pri_que.top().first;
pri_que.pop();
}
return res;
}
};