每日刷题——LeetCode781 剑指offer41 59

今天是清明节，不过和我有什么关心呢，不过又是刷题背八股的一天罢了。

Leetcode781 森林中的兔子

森林中，每个兔子都有颜色。其中一些兔子（可能是全部）告诉你还有多少其他的兔子和自己有相同的颜色。我们将这些回答放在 answers 数组里。
返回森林中兔子的最少数量。

示例:
输入: answers = [1, 1, 2]
输出: 5
解释:
两只回答了 “1” 的兔子可能有相同的颜色，设为红色。
之后回答了 “2” 的兔子不会是红色，否则他们的回答会相互矛盾。
设回答了 “2” 的兔子为蓝色。
此外，森林中还应有另外 2 只蓝色兔子的回答没有包含在数组中。
因此森林中兔子的最少数量是 5: 3 只回答的和 2 只没有回答的。

输入: answers = [10, 10, 10]
输出: 11

输入: answers = []
输出: 0

这一题第一眼看到这几个示例，都没有想太多，心想不就是找重复数字嘛。仔细一想不对劲，如果有3只兔子都说有1个和自己颜色相同，那么这三只兔子肯定不可能只有一个颜色。
这里就使用一个贪心算法，假设有k只兔子，说有i只和自己相同，因为一个颜色最多只有i+1只，那么认为总共ceil(k/(i+1))种颜色，也就是ceil(k/(i+1))*(i+1)只兔子。这样的话就很简单，利用一个hash表，找到所有出现的数字及次数，然后求和即可。

class Solution {
    public int numRabbits(int[] answers) {
    	Map<Integer, Integer> count = new HashMap<>();
    	for(int y : answers){
    		count.put(y, count.getOrDefault(y, 0) + 1);
		}
    	int ans = 0;
    	for(Map.Entry<Integer, Integer> entry: count.entrySet()){
    		int y = entry.getKey(), x = entry.getValue();
    		ans += (x+y)/(y+1)*(y+1);
		}
    	return ans;
    }
}

这里是利用了hash表，Java中提供了HashMap类使用哈希表来实现Map接口。这个代码里也列出了构造函数以及几种常见方法。

构造函数：
HashMap()
常用方法：
getOrDefault(key, defaultValue) 获取键key的值，若不存在则返回默认值，可以直接省一个判断
getKey() 顾名思义，获取key值
getValue() 顾名思义，获取value值
put(k, v) 添加键值对(k, v)
entrySet() 返回映射中包含的樱色好的set试图，可以用于和for-each循环一起使用，来遍历HashMap中的每一个映射项。

剑指offer41 数据流中的中位数

如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。
例如，
[2,3,4] 的中位数是 3
[2,3] 的中位数是 (2 + 3) / 2 = 2.5
设计一个支持以下两种操作的数据结构：
void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。

输入：
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]

中位数的求解一直算是一类比较经典也偏困难的题目。这里是要求数据流的中位数，因为是数据流，则需要有一个数据结构存储当前已经输入的数据，同时可以轻松获得当前数据的中位数，而输入数据后要快速处理达到正常状态。
第一时间想到的是维护一个有序列表，这样每次加入新元素，都找到合适的位置插入，从而保持列表的有序性，这样的时间复杂度O(n)（查找O(logn), 插入O(n)）。
这样的时间复杂度显然是不够优秀的，因为要求中位数，只需要获得中间的一个数或两个数，其他的数不需要是有序的，因此想到了把数据分成两部分，一部分维护较小一半数据，同时只需要知道max元素，一部分维护较大一半数据，同时只需要知道min元素，通过两个元素就可以获得中位数。刚好这个功能，可以通过大顶堆或小顶堆实现。

class MedianFinder {
	PriorityQueue<Integer> qmax;
	PriorityQueue<Integer> qmin;
    /** initialize your data structure here. */
    public MedianFinder() {
        qmax = new PriorityQueue<Integer>((o1, o2) -> o2 - o1);
        qmin = new PriorityQueue<Integer> ();
    }
    
    public void addNum(int num) {
        if(qmax.size()==0 && qmin.size()==0){
            qmax.add(num);
        }else{
            if(num>qmax.peek()){
                qmin.add(num);
                if(qmax.size()<qmin.size()){
                    qmax.add(qmin.poll());
                }
            }else{
                qmax.add(num);
                if(qmax.size()-qmin.size()==2){
                    qmin.add(qmax.poll());
                }
            }
        }
    }
    
    public double findMedian() {
        if(qmax.size()==0 && qmin.size()==0){
            return 0;
        }
        if(qmin.size() < qmax.size()){
            return qmax.peek();
        }else{
            double sum = qmax.peek() + qmin.peek();
            return sum/2;
        }
    }
}

剑指offer59 滑动窗口的最大值

给定一个数组 nums 和滑动窗口的大小 k，请找出所有滑动窗口里的最大值。

输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]
解释:
滑动窗口的位置 最大值
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7

这种滑动窗口类型的题目，我也是第一次做。考虑到滑动窗口的特性是先进先出，所以第一感觉是使用一个队列来做。
之前做过一题， 包含min函数的栈，第一反应是不是和这一题类似，构造一个辅助队列，保存当前时刻最大的值，但是不是很好操作。最后还是依靠大佬，看了下大佬的讲解才能明白。
这里使用一个双端队列（单调队列）Deque，它可以实现首段尾端都可以添加元素和删除元素。通过维护一个单调递减的单调队列，实现求解最大值的功能。

1.想将我们第一个窗口的所有值存入单调双端队列中，单调队列里面的值为单调递减的。如果发现队尾元素小于要加入的元素，则将队尾元素出队，直到队尾元素大于新元素时，再让新元素入队，目的就是维护一个单调递减的队列。
2.我们将第一个窗口的所有值，按照单调队列的规则入队之后，因为队列为单调递减，所以队头元素必为当前窗口的最大值，则将队头元素添加到数组中。
3.移动窗口，判断当前窗口前的元素是否和队头元素相等，如果相等则出队。
4.继续然后按照规则进行入队，维护单调递减队列。
5.每次将队头元素存到返回数组里。
6.返回数组

再看代码理解一下

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
		if(nums.length == 0 || k == 0) return new int[0];
		Deque<Integer> deque = new LinkedList<>();
		int[] res = new int[nums.length - k + 1];
		// 未形成窗口
		for(int i = 0; i < k; i++) {
			while(!deque.isEmpty() && deque.peekLast() < nums[i])
				deque.removeLast();
			deque.addLast(nums[i]);
		}
		res[0] = deque.peekFirst();
		// 形成窗口后
		for(int i = k; i < nums.length; i++) {
			if(deque.peekFirst() == nums[i - k])
				deque.removeFirst();
			while(!deque.isEmpty() && deque.peekLast() < nums[i])
				deque.removeLast();
			deque.addLast(nums[i]);
			res[i - k + 1] = deque.peekFirst();
		}
		return res;

    }
}