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

---

Leetcode 239. 滑动窗口最大值

暴力的时间复杂度是O(nk)，超出了时间限制，也能一下子意识到暴力方法里进行了很多次重复的比较，但是完全想不到该怎么去减少这些重复的比较。直到看到代码随想录里卡哥所写的“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”，才醍醐灌顶。这种单调队列的数据结构，要自己去实现一个，然后再每一次移动窗口时，一个数组元素进，一个数组元素出，这样的话，nums数组里每一个元素最多被push和pop各一次，时间复杂度为O(n)。

from collections import deque

class MyQueue: 
    def __init__(self):
        self.queue = deque() 
    
    def pop(self, value):
        if self.queue and self.queue[0] == value:
            self.queue.popleft()
    
    def push(self, value):
        while self.queue and value > self.queue[-1]:
            self.queue.pop()
        self.queue.append(value)

    def front(self):
        return self.queue[0]

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        queue = MyQueue()
        res = []
        for i in range(k):
            queue.push(nums[i])
        res.append(queue.front())
        for i in range(k, len(nums)):
            queue.pop(nums[i-k])
            queue.push(nums[i])
            res.append(queue.front())
        return res

---

Leetcode 347.前 K 个高频元素

第一次接触堆这种数据结构，基本看懂了原理，把代码粘了过来，后面再复习这道题。优先级队列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，再无其他取元素的方式，看起来就是一个队列。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。heapq 库是Python标准库之一，提供了构建小顶堆的方法和一些对小顶堆的基本操作方法(如入堆，出堆等)，可以用于实现堆排序算法。具体的语法可以参考这一篇博客：[数据结构]Python Heapq库–小顶堆。

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():
            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)
        
        #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]
        return result