239. 滑动窗口最大值
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。
难点是如何求一个区间里的最大值,难道要一次次吧队列里的值放进去再拿出来排队吗?
解法概述
1. 初始化双端队列:使用一个双端队列(deque)来维护一个单调递减的滑动窗口。队列中存储的是数组 nums 的索引,而不是实际的值。这样做的好处是我们可以方便地在 O(1) 时间复杂度内判断队列头部的索引是否还在当前窗口内。
2. 填充初始窗口:遍历数组 nums 的前 k 个元素,并将它们的索引依次添加到双端队列中。在添加的过程中,如果新元素的值大于队列尾部的元素对应的值,就不断从队列尾部移除元素,直到队列为空或者新元素小于等于队列尾部的元素。这样可以保证队列中的元素对应的值是单调递减的。
3. 滑动窗口并更新结果:从第 `k` 个元素开始遍历到数组末尾,对于每个元素 nums[i],首先判断队列头部的索引是否还在当前窗口内(即 que.front() >= i - k + 1),如果不在则移除队列头部元素。然后,将新元素的索引添加到队列尾部,并同样地维护队列的单调性。此时,队列头部的索引对应的值就是当前窗口的最大值,将其添加到结果数组中。
4. 返回结果:返回存储了每个滑动窗口最大值的数组。
分点概述
1. 初始化双端队列:使用 deque<int> 创建一个双端队列,用于存储数组 nums 的索引。
2. 填充初始窗口:遍历数组 nums 的前 k 个元素,并维护队列的单调性。
3. 滑动窗口并更新结果:
- 判断队列头部的索引是否还在当前窗口内,如果不在则移除。
- 将新元素的索引添加到队列尾部,并维护队列的单调性。
- 将当前窗口的最大值(即队列头部的索引对应的值)添加到结果数组中。
4. 返回结果:返回存储了每个滑动窗口最大值的数组。
解答中的 pop_front() 和 pop_back()
- pop_front():用于移除队列头部的元素,通常发生在队列头部的索引已经不在当前窗口内时。
- pop_back():用于在添加新元素到队列尾部时,从队列尾部移除一些元素,以保持队列的单调性。这通常发生在新元素的值大于队列尾部元素的值时。
class Solution {
private:
class MyQueue { //单调队列(从大到小)
public:
deque<int> que; // 使用deque来实现单调队列
// 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。
void pop(int value) {
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
// 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。
void push(int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(value);
}
// 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。
int front() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // result 记录前k的元素的最大值
for (int i = k; i < nums.size(); i++) {
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
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
347.前 K 个高频元素
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。
示例 1:
- 输入: nums = [1,1,1,2,2,3], k = 2
- 输出: [1,2]
示例 2:
- 输入: nums = [1], k = 1
- 输出: [1]
就感觉是前K个/第K个大或小元素,top K 元素,
1、利用「堆」的数据结构,将所有元素都加到「最大/小堆」,取出前 K 个最大的元素
2、创建一个大小为 K 的「最小堆」(最大值),创建一个大小为 K 的「最大堆」(最小值)
当「最小堆」的元素个数达到 K 时,将当前元素与堆顶元素进行对比:
如果当前元素小于堆顶元素,则放弃当前元素,继续进行下一个元素;
如果当前元素大于堆顶元素,则删除堆顶元素,将当前元素加入到「最小堆」中。
当「最大堆」的元素个数达到 K 时,将当前元素与堆顶元素进行对比:
如果当前元素大堆顶元素,则放弃当前元素,继续进行下一个元素;
如果当前元素小于堆顶元素,则删除堆顶元素,将当前元素加入到「最大堆」中。
得到前k个最大/最小元素。
频率前 k 高的元素。
需要unordered_map
存储整数(int
)及其对应的频率(int
)