【KOKO-代码随想录算法训练营Day13 | 239|347 | 】

KOKO-代码随想录算法训练营Day13 | 239|347 |

---

---

一、239. 滑动窗口最大值

1.题目

https://leetcode.cn/problems/sliding-window-maximum/

2.代码

public int[] maxSlidingWindow(int[] nums, int k) {
        int[] res=new int[nums.length-k+1]; //最终数组的长度
        int index=0;
        Deque<Integer> que=new ArrayDeque<>();
        for (int i = 0; i < nums.length; i++) {
            // 模拟滑动窗口的过程，弹出一个，压进来一个,如果队头是和nums[i]一样，队头就该被弹出，不一样，说明曾经的队头被弹出过了
            if(i>k-1&&que.peek()==nums[i-k]){
                que.poll();  //1,-3,-1,3
            }
            while (!que.isEmpty()&&nums[i]>que.peekLast()){
                que.pollLast();//添加进来的元素比上一个大，则将其之前的元素从后面都出
            }
            que.offer(nums[i]);//加入从队头加入
            if(i>=k-1){
                res[index++]=que.peek();
            }
        }
        return res;
    }

3.总结

这个题很有意思，最重要的是要知道什么时候从队列头部把元素移出去，模拟出一个，进一个的窗口过程。
在队列保证队头元素是最大的，其他元素没有current元素大时，应该从队尾弹出。
在将current元素压入，
只有在i>k-1时，才进行弹出队头操作，比较的是nums[i-k]和队头元素的大小。
该题不进行优先级队列:
滑动窗口是移动的，队头的元素是要弹出的，大顶堆只能弹出最大值的元素。

二、 347.前 K 个高频元素

1.题目

https://leetcode.cn/problems/top-k-frequent-elements/

2.代码

 Map<Integer,Integer> map=new HashMap<>();
        for (int i = 0; i < nums.length; i++) {
            map.put(nums[i],map.getOrDefault(nums[i],0)+1);//频率的统计
        }
        //定义小顶堆
        PriorityQueue<int[]> priorityQueue=new PriorityQueue<>(new Comparator<int[]>() {
            @Override
            public int compare(int[] o1, int[] o2) {
                return o1[1]-o2[1];//按频率排大小
            }
        });
        for (Map.Entry<Integer,Integer> entry:map.entrySet()) {
            if(priorityQueue.size()<k){
                priorityQueue.add(new int[]{entry.getKey(),entry.getValue()});
            }else {
                if(entry.getValue()>priorityQueue.peek()[1]){
                    priorityQueue.poll();//如果后面有元素比堆大，则放到小顶堆里作为替换
                    priorityQueue.add(new int[]{entry.getKey(),entry.getValue()});//只存了前k个
                }
            }
        }
        int[] res=new int[k];
        for (int i = 0; i < k; i++) {
            res[i]=priorityQueue.poll()[0];
        }
        return res;

3.总结

使用优先级队列，小顶堆，来保存前k个高频词汇，一旦发现有频率比队列头部大时，应将小的弹出，在压入当前值，保持小队顶一直是前k个高频词汇，这样只用比前k个即可。
令，注意小顶堆的排序，

 PriorityQueue<int[]> priorityQueue=new PriorityQueue<>(new Comparator<int[]>() {
            @Override
            public int compare(int[] o1, int[] o2) {
                return o1[1]-o2[1];//按频率排大小
            }
        });

Map排序使用List把map.entrySet装进去后用Collections进行排序

List<Map.Entry<Integer,Integer>> list=new ArrayList<>(map.entrySet());//entryset转成list，用Collection比较大小
       Collections.sort(list, new Comparator<Map.Entry<Integer, Integer>>() {
           @Override
           public int compare(Map.Entry<Integer, Integer> o1, Map.Entry<Integer, Integer> o2) {
               return o2.getValue()-o1.getValue();
           }
       });