代码随想录算法训练营第十三天| 栈和队列：239. 滑动窗口最大值，347.前 K 个高频元素，总结（python）

第十二天是周日，休息。今天开始第十三天打卡~

讲解链接：239. 滑动窗口最大值

思路是用deque双向列表维护可能的最大元素。其中push原理是从队尾进入的元素要与队中元素从尾到头依次比对，将小于新元素的元素全部从队尾删去，直到队列为空或者前方元素大于等于新元素。

from collections import deque

class MyQueue:
    def __init__(self):
        self.queue = deque()
    def pop(self, value):
        if self.queue and value == self.queue[0]:
            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]:
        que = MyQueue()
        result = []
        for i in range(k):
            que.push(nums[i])
        result.append(que.front())
        for i in range(k, len(nums)):
            que.pop(nums[i-k])
            que.push(nums[i])
            result.append(que.front())
        return result

讲解链接：

用map维护每个数字的出现频率，之后用小顶堆维护前k高的频率和对应的数字。

import heapq
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        #记录nums中数出现的频率
        map = dict()
        for i in range(len(nums)):
            map[nums[i]] = map.get(nums[i], 0) + 1

        priority_que = [] #小顶堆

        for key, freq in map.items():
            heapq.heappush(priority_que, (freq, key))
            if len(priority_que) > k: 
                heapq.heappop(priority_que)
        
        res = [0] * k
        for i in range(k-1, -1, -1): #小顶堆是按从小到大顺序出来的，所以需要倒序存
            res[i] = heapq.heappop(priority_que)[1]
        return res

栈与队列总结