代码随想录算法训练营第十三天 | 239. 滑动窗口最大值，347.前K个高频元素

239. 滑动窗口最大值

题目：给定一个数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。返回滑动窗口中的最大值。

暴力方法，遍历一遍的过程中每次从窗口中再找到最大的数值，这样很明显是O(n × k)的算法。

可能会想用一个大顶堆（优先级队列）来存放这个窗口里的k个数字，这样就可以知道最大的最大值是多少了， 但是问题是这个窗口是移动的，而大顶堆每次只能弹出最大值，我们无法移除其他数值，这样就造成大顶堆维护的不是滑动窗口里面的数值了。所以不能用大顶堆。

此时我们需要一个队列，这个队列呢，放进去窗口里的元素，然后随着窗口的移动，队列也一进一出，每次移动之后，队列告诉我们里面的最大值是什么。

-> 每次窗口移动的时候，调用que.pop(滑动窗口中移除元素的数值)，que.push(滑动窗口添加元素的数值)，然后que.front()就返回我们要的最大值。

然后再分析一下，队列里的元素一定是要排序的，而且要最大值放在出队口，要不然怎么知道最大值呢。

但如果把窗口里的元素都放进队列里，窗口移动的时候，队列需要弹出元素。

那么问题来了，已经排序之后的队列 怎么能把窗口要移除的元素（这个元素可不一定是最大值）弹出呢。

-> 其实队列没有必要维护窗口里的所有元素，只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的。

那么这个维护元素单调递减的队列就叫做单调队列，即单调递减或单调递增的队列。C++中没有直接支持单调队列，需要我们自己来实现一个单调队列

不要以为实现的单调队列就是 对窗口里面的数进行排序，如果排序的话，那和优先级队列又有什么区别了呢。

来看一下单调队列如何维护队列里的元素。

对于窗口里的元素{2, 3, 5, 1 ,4}，单调队列里只维护{5, 4} 就够了，保持单调队列里单调递减，此时队列出口元素就是窗口里最大元素。

-> 设计单调队列的时候，pop，和push操作要保持如下规则：

1. pop(value)：如果窗口移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作
2. push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元素的数值为止

保持如上规则，每次窗口移动的时候，只要问que.front()就可以返回当前窗口的最大值。

那么用什么数据结构来实现这个单调队列呢？

使用deque最为合适，常用的queue在没有指定容器的情况下，deque就是默认底层容器。

代码如下：

from collections import deque

class Myque:
    def __init__(self):
        self.que = deque() #这里需要使用deque实现单调队列，直接使用list会超时

    def pop(self, value):
        # 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。
        if self.que and value == self.que[0]: #这里取的是队列出口
            self.que.popleft()
        
    def push(self, value):
        # 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。
        while self.que and value > self.que[-1]:
            self.que.pop() #后端弹出
        self.que.append(value)
        
    def front(self):
        #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
        return self.que[0]

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        que = Myque()
        res = []
        for i in range(k): #先将前k的元素放进队列
            que.push(nums[i])
        res.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
            res.append(que.front()) #记录对应的最大值
        return res

时间复杂度: O(n)

空间复杂度: O(k)

347.前 K 个高频元素

题目：给定一个非空的整数数组，返回其中出现频率前 k 高的元素。

这道题目主要涉及到如下三块内容：

1. 要统计元素出现频率：可以使用map来进行统计

2. 对频率排序：容器适配器就是优先级队列

其实就是一个披着队列外衣的堆，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列。

而且优先级队列内部元素是自动依照元素的权值排列。那么它是如何有序排列的呢？

缺省情况下priority_queue利用max-heap（大顶堆）完成对元素的排序，这个大顶堆是以vector为表现形式的complete binary tree（完全二叉树）。

什么是堆呢？

堆是一棵完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。

所以大家经常说的大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。

为什么不用快排呢， 使用快排要将map转换为vector的结构，然后对整个数组进行排序， 而这种场景下，我们其实只需要维护k个有序的序列就可以了，所以使用优先级队列是最优的。

3. 找出前K个高频元素

定义一个大小为k的大顶堆，在每次移动更新大顶堆的时候，每次弹出都把最大的元素弹出去了，那么怎么保留下来前K个高频元素呢。

使用大顶堆就要把所有元素都进行排序，那能不能只排序k个元素呢？

所以我们要用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。

寻找前k个最大元素流程如图所示：（图中的频率只有三个，所以正好构成一个大小为3的小顶堆，如果频率更多一些，则用这个小顶堆进行扫描）

代码如下：

import heapq
class Solution(object):
    def topKFrequent(self, nums, k):
        #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
            # 如果 nums[i] 在字典中不存在，则返回0并加1，否则获取其当前值并加1。

        #对频率排序
        #定义一个小顶堆，大小为k
        pri_que = [] #小顶堆中的元素是一个元组，第一个元素是频率，第二个元素是对应的数值

        #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():
            heapq.heappush(pri_que, (freq, key))
            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) #弹出堆顶元素（即频率最小的元素）

        result = [0] * k
        for i in range(k-1,-1,-1): #小顶堆是按照元素频率从小到大排序的
            result[i] = heapq.heappop(pri_que)[1]
        return result

时间复杂度: O(nlogk)

空间复杂度: O(n)

栈与队列总结

1. 栈与队列的理论基础

问题：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：

• 陷阱1：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。
• 陷阱2：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。

一个队列在模拟栈弹出元素的时候只要将队列头部的元素（除了最后一个元素外） 重新添加到队列尾部，此时在去弹出元素就是栈的顺序了。

2. 栈经典题目：系统中的应用，括号匹配，字符串去重，逆波兰表达式

3. 队列经典题目：滑动窗口最大值问题，前K个高频元素