算法刷题打卡010 | 队列应用题2道

LeetCode 239. 滑动窗口最大值

题目链接：239. 滑动窗口最大值 - 力扣（Leetcode）

单调队列经典题目，暴力解法是遍历每个滑动窗口的起始点，然后max求最大值，但以题目的数据量进行很容易超时（max，min本质上也是O(n)的时间复杂度）。窗口移动的效果可以用先入先出的队列来模拟，利用队列的特性构造单调递减的队列，构造的关键是“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。”

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        q =collections.deque()
        res = []
        for i in range(len(nums)):
            if not q:
                q.append(nums[i])
                continue
            # i >=  k 收集结果
            if i >= k:
                res.append(q[0])  # 此时的队首是前一个滑动窗口的最大值
                # 当前要把nums[i-k]移出队列，如果队首的最大值正好是nums[i-k]，需要popleft
                if q[0] == nums[i-k]:
                    q.popleft()
            # 当前要加入窗口的元素比队尾大时，要将比它小的所有值出队（从右边出）
            while len(q) > 0 and nums[i] > q[-1]:
                q.pop()
            q.append(nums[i])
        res.append(q[0])  # for循环没有收集最后一个窗口的结果
        return res

所有元素最多入队和出队各一次，时间复杂度是O(n)，队列中最多同时存储k个值，空间复杂度是O(k)。 

LeetCode 347.前 K 个高频元素

题目链接：347. 前 K 个高频元素 - 力扣（Leetcode）

 首先需要统计每个元素出现的频率，再根据频率排序，这是一般的做法，时间复杂度是O(n+M*logM)，其中M为不同元素的个数，最坏情况下M=n；空间复杂度为O(M)。

from queue import PriorityQueue
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        count = collections.Counter(nums)
        # 用大小为k的优先队列
        q = PriorityQueue()  # 默认是最小堆
        for key in count:
            q.put([-count[key], key])  # 按频率取负数排序
        res = []
        # 取前k个
        while k > 0:
            _, key = q.get()
            res.append(key)
            k -= 1
        return res