代码随想录算法训练营第十三天| 239. 滑动窗口最大值 、347. 前K个高频元素 (ACM模式）★

239. 滑动窗口最大值 ★

文档讲解 ： 代码随想录 - 239. 滑动窗口最大值
状态：再次回顾。（★：需要重点回顾和多次回顾）

其实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。

那么这个维护元素单调递减的队列就叫做单调队列，即单调递减或单调递增的队列。
C++中没有直接支持单调队列，需要我们自己来实现一个单调队列。

单调队列动画：

设计单调队列的时候，pop和push操作要保持如下规则：

1. pop(value)：如果窗口移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作
2. push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元素的数值为止

思路图解

本题代码 （ACM)

#include <iostream>
#include <queue>
#include <vector>
using namespace std;

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();
	}
};

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;
}

int main() {
	/*
		输入描述：
		第一行输入一个整数，表示数组长度n；
		第二行输入n个整数，表示数组内元素；
		第三行输入一个整数，表示滑动窗口大小k。
	*/
	int n;
	cin >> n;
	vector<int> nums(n);
	for (int i = 0; i < n; i++) cin >> nums[i];
	int k;
	cin >> k;

	vector<int> result = maxSlidingWindow(nums, k);
	for (int i = 0; i < result.size(); i++) {
		cout << result[i] << " ";
	}
	cout << endl;
	return 0;
}

• 时间复杂度: O(n)
• 空间复杂度: O(k)

347. 前K个高频元素 ★

文档讲解 ： 代码随想录 - 347. 前K个高频元素
状态：再次回顾。（★：需要重点回顾和多次回顾）

本题步骤：

• 要统计元素出现频率
• 对频率排序
• 找出前K个高频元素

本题可参考优先级队列知识

优先级队列

其实就是一个披着队列外衣的堆，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列。

缺省情况下priority_queue利用max-heap（大顶堆）完成对元素的排序，这个大顶堆是以vector为表现形式的complete binary tree（完全二叉树）。

堆

堆是一棵完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。

大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。

本题使用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。

思路图解：

本题代码 (ACM)

#include <iostream>
#include <vector>
#include <queue>
#include <unordered_map>
using namespace std;

// 小顶堆
class mycomparison {
public:
	bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
		return lhs.second > rhs.second;
	}
};

vector<int> topKFrequent(vector<int>& nums, int k) {
    // 要统计元素出现频率
    unordered_map<int, int> map; // map<nums[i],对应出现的次数>
    for (int i = 0; i < nums.size(); i++) {
        map[nums[i]]++;
    }

    // 对频率排序
    // 定义一个小顶堆，大小为k
    priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;

    // 用固定大小为k的小顶堆，扫面所有频率的数值
    for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
        pri_que.push(*it);
        if (pri_que.size() > k) { // 如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k
            pri_que.pop();
        }
    }

    // 找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒序来输出到数组
    vector<int> result(k);
    for (int i = k - 1; i >= 0; i--) {
        result[i] = pri_que.top().first;
        pri_que.pop();
    }
    return result;

}

int main() {
	/*
		输入描述：
		第一行输入一个整数，表示数组nums的长度n；
		第二行输入n个整数，表示整数数组nums内元素；
		第三行输入一个整数，表示整数k。
	*/
	int n;
	cin >> n;
	vector<int> nums(n);
	for (int i = 0; i < n; i++) cin >> nums[i];
	int k;
	cin >> k;

	vector<int> result = topKFrequent(nums, k);
	for (int i = 0; i < result.size(); i++) {
		cout << result[i] << " ";
	}
	cout << endl;
	return 0;
}

• 时间复杂度: O(nlogk)
• 空间复杂度: O(n)