写在前面的话:
前几天写了关于用栈找到下一个最大数的文章,突然这几天看到一篇关于单调栈的文章[LeetCode Monotone Stack Summary 单调栈小结],发现不但用栈可以找到下一个最大数,也可以找下一个最小数,甚至更复杂的模型!
- 什么是单调栈?有什么好处?
见名知意,就是栈中元素,按递增顺序或者递减顺序排列的时候
单调栈的最大好处就是时间复杂度是线性的,每个元素遍历一次!
2. 哪些性质?
单调递增栈可以找到左起第一个比当前数字小的元素:
比如数组:[3,5,4,1]
,我们如何要找每一个元素下一个最小数.例如:3
下一个最小的数为1
,5
下一个是4
.我们先构造栈,把3
压入栈中,5
入栈时候,发现栈顶元素3
比它小,也依次压入;当4
时候,栈顶元素5
大于4
,于是得到,5
左起第一个小的元素为4
.将5
弹出,压入4
.接下来元素1
,也比栈顶元素小,于是得到4
第一个小的元素为1
,弹出4
,依次类推,3
也是1
...栈中的元素一直保持单调递增的状态.
单调递减栈可以找到左起第一个比当前数字大的元素:
可以参考下一个最大数
今天我们要用这个单调栈,解决一下比较复杂的问题!
84. 柱状图中最大的矩形
题目描述:
给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。
求在该柱状图中,能够勾勒出来的矩形的最大面积。
以上是柱状图的示例,其中每个柱子的宽度为 1,给定的高度为 [2,1,5,6,2,3]
。
图中阴影部分为所能勾勒出的最大矩形面积,其面积为 10
个单位。
示例:
输入: [2,1,5,6,2,3]
输出: 10
思路:
如何能找到最大矩形,像木桶原理,取决于最短那个.
我们构造递增栈,遇到栈顶元素大于遍历元素,我们操作.
代码:
class Solution:
def largestRectangleArea(self, heights) -> int:
stack = []
heights = [0] + heights + [0]
n = len(heights)
res = 0
for i in range(n):
# print(stack)
while stack and heights[stack[-1]] > heights[i]:
cur = stack.pop()
res = max(res, (i - stack[-1] - 1) * heights[cur])
stack.append(i)
return res
42. 接雨水
题目描述:
给定 n 个非负整数表示每个宽度为 1 的柱子的高度图,计算按此排列的柱子,下雨之后能接多少雨水。
示例:
输入: [0,1,0,2,1,0,1,3,2,1,2,1]
输出: 6
思路:
构造递增栈,参考链接
[LeetCode] Trapping Rain Water 收集雨水www.cnblogs.com代码:
class Solution:
def trap(self, height):
stack = []
res = 0
for i in range(len(height)):
while stack and height[stack[-1]] < height[i]:
cur = stack.pop()
if not stack: break
res += (min(height[stack[-1]], height[i]) - height[cur]) * (i - stack[-1] - 1)
stack.append(i)
return res
总结:
其实单调栈的原理,也可以用记录前后缀的最值来代替.比如接雨水,我们可以记录从左往右,到位置i
的最大值,然后记录,从右往左的最大值,判断此时的height[i]
是否小于两边!
代码如下:
def trap(self, height):
n = len(height)
dp_left = [0] * n
dp_left[0] = height[0]
for i in range(1, n):
dp_left[i] = max(dp_left[i - 1], height[i])
tmp = 0
res = 0
for i in range(n - 1, -1, -1):
dp_left[i] = min(dp_left[i], tmp)
tmp = max(tmp, height[i])
if dp_left[i] > height[i]:
res += dp_left[i] - height[i]
return res