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