算法练习day13|239 滑动窗口最大值、347 前 K 个高频元素

239 滑动窗口最大值

239 滑动窗口最大值

需要构造单调递减队列，为保持单调性：每次从队尾加入新元素时，如果新元素大于队尾元素则不断将队尾元素pop出，直至新元素小于队尾元素（或队列为空）时，再把新元素压入队尾

那么每次返回队头元素即为本滑动窗口的最大值，将这些最大值保留起来返回结果

暴力解法时间复杂度显然O(nk)，此解法每个元素只被push和pop一次，时间复杂度为O(n)

from collections import deque


class PriorityQue:
    def __init__(self):
        self.que = deque()

    def push(self, x):
        while self.que and x > self.que[-1]:
            self.que.pop()
        self.que.append(x)

    def pop(self, x):
        if self.que:
            if x == self.que[0]:
                self.que.popleft()

    def front(self):
        if self.que:
            return self.que[0]


class Solution:
    def maxSlidingWindow(self, nums: list[int], k: int) -> list[int]:
        que = PriorityQue()
        maxList = list()

        for i in range(k):
            que.push(nums[i])
        maxList.append(que.front())

        for i in range(k, len(nums)):
            que.pop(nums[i - k])
            que.push(nums[i])
            maxList.append(que.front())

        return maxList

347 前 K 个高频元素

347 前 K 个高频元素

使用Python heapq堆队列module（该实现为小顶堆，堆元素可以为元组，符合本题要求），每次弹出的是最小的元素，当堆的大小超过k，立即heappop出其中最小的元素，遍历完字典后堆的大小就是k，内为前k个高频元素（此时heappop这k个时候也是从小到大，强迫症的话可以最后返回时反序）

时间复杂度，统计频率为O(n)，使用堆队列维护前k个时需要遍历字典最多n次，每次push和pop的复杂度为O(logk)，所以总共时间复杂度为O(nlogk)

空间复杂度因为需要统计频率为O(n)，队列额外空间为O(k)，最终空间复杂度为O(n)

import heapq


class Solution:
    def topKFrequent(self, nums: list[int], k: int) -> list[int]:
        di = dict()
        for num in nums:
            di[num] = di.get(num, 0) + 1
        que = list()
        for key, value in di.items():
            heapq.heappush(que, (value, key))
            if len(que) > k:
                heapq.heappop(que)
        res = list()
        for _ in range(len(que)):
            res.append(heapq.heappop(que)[1])
        return res