代码随想录第13天：239. 滑动窗口最大值、347.前 K 个高频元素

239：滑动窗口最大值

队列“维护有可能成为窗口里最大值的元素”，该队列是单调队列，如果队列为空，那么直接把元素加入队列，如果队列非空，则需要考虑待加入的元素是否比队尾大，如果比队尾元素大，那么移除队尾元素，将该元素添加到队列，如果比队尾元素小，直接添加到队尾。首先把第一个滑动窗口的元素入队，之后从滑动窗口外的第一个元素开始遍历，每次把当前滑动窗口覆盖范围的第一个元素出列（前提是能够在队列中找到这个元素），再把遍历元素入队，而对头元素正好是滑动窗口的最大值。所以出队就是将遍历前滑动窗口的第一个元素出队，如果当前指针位置为i，滑动窗口大小为k的话，那么i-k就是所要移除的元素。

对头元素就是当前滑动窗口的局部最大值，因为队列维护的就是滑动窗口的这么一个范围，如果m为当前滑动窗口的最大值，当滑动窗口右移的时候会出现几种情况：1、新加入窗口的元素不比最大值大，那么最大值保持不变；2、新加入窗口的元素比最大值大，那么按照入队的规则，它将会比队中此前的元素都大，它将取代原来的队头，成为队头，成为新的最大值。

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if (nums.length==1) {
			return nums;
		}
		
		MyQueue2 queue = new MyQueue2();
		int len = nums.length;
		int[] res = new int[len-k+1];
		for (int i = 0; i < k; i++) {
			queue.add(nums[i]);
		}
		int j = 0;
		res[j++] = queue.peek();
		for (int i = k; i < len; i++) {
			queue.pop(nums[i-k]);
			queue.add(nums[i]);
			res[j++] = queue.peek();
		}
		return res;
    }
}
class MyQueue2{
	LinkedList<Integer> queue = new LinkedList<>();

	public void add(int val) {
		while ((!queue.isEmpty())&&(val>queue.getLast())) {
			queue.removeLast();
		}
		queue.add(val);
	}
	
	public void pop(int val) {
		if ((!queue.isEmpty())&&(val==queue.peek())) {
			queue.poll();
		}
	}
	
	public int peek() {
		return queue.peek();
	}
}

347：前K个高频元素

在于对大顶堆和小顶堆的理解。

大顶堆：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
    	HashMap<Integer, Integer> map = new HashMap<>();
		int[] res = new int[k];
		for (int i : nums) {
			if (map.containsKey(i)) {
				map.put(i, map.get(i)+1);
			}else {
				map.put(i, 0);
			}
		}
		//大顶堆
		PriorityQueue<int[]> queue = new PriorityQueue<int[]>(new Comparator<int[]>() {

			@Override
			public int compare(int[] o1, int[] o2) {
				return o2[1]-o1[1];
			}
			
		});
		//队列中维持k个元素，大根堆，队头元素最大
		for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
			Integer key = entry.getKey();
			Integer val = entry.getValue();
			queue.add(new int[] {key,val});
		}
		//取前k个元素
		for (int i = 0; i < k ; i++) {
			res[i] = queue.poll()[0];
		}
		return res;
    }
}

小顶堆：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
    	HashMap<Integer, Integer> map = new HashMap<>();
		int[] res = new int[k];
		for (int i : nums) {
			if (map.containsKey(i)) {
				map.put(i, map.get(i)+1);
			}else {
				map.put(i, 0);
			}
		}
		PriorityQueue<int[]> queue = new PriorityQueue<int[]>(new Comparator<int[]>() {

			@Override
			public int compare(int[] o1, int[] o2) {
				return o1[1]-o2[1];
			}
			
		});
		//队列中维持k个元素，小根堆，队头元素最小
		for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
			Integer key = entry.getKey();
			Integer val = entry.getValue();
			//当超过k个元素时，必须考虑新加入的元素，如果其val值（出现频率）大于队头（出现频率最低的）
			//则将队头元素移除，将新元素加入
			if (queue.size()<k) {
				queue.add(new int[] {key,val});
			}else {
				if (val>queue.peek()[1]) {
					queue.poll();
					queue.add(new int[] {key,val});
				}
			}
		}
		for (int i = k-1; i >= 0 ; i--) {
			res[i] = queue.poll()[0];
		}
		return res;
    }
}