目录
239 - 滑动窗口最大值
1、暴力法-超过时间限制
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int l = 0;
int r = k - 1;
vector<int> maxVec;
int max = 1 << 31;
while(r < nums.size()){
for(int i = l; i <= r; ++i){
max = std::max(max, nums[i]);
}
maxVec.emplace_back(max);
max = 1 << 31;
++r;
++l;
}
return maxVec;
}
};
2、比较移出的是否为最大-超出时间限制
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
if (k == 1) return nums;
vector<int> maxVec;
int max = 1 << 31;
int lastMax = max;
nums.insert(nums.begin(), max); //插入哑节点
int l = 1;
int r = k;
while(r < nums.size()){
if(lastMax == nums[l - 1]){ //移出节点为max
for(int i = l; i <= r; i++){
max = std::max(max, nums[i]);
}
}
else{
max = std::max(lastMax, nums[r]);
}
maxVec.emplace_back(max);
lastMax = max;
max = 1 << 31;
++r;
++l;
}
return maxVec;
}
3、单调队列(deque实现)
思路:用一个单调队列保存可能为最大值的元素
1、用deque实现;从大到小排列,front为当前滑动窗口的最大值;
2、push时:
如果val > q.back(), q.back删除,因为val比q.back大,所以q.back不可能是最大值;直到val <= q.back(), 将val压入队列;
3、pop时:
如果val == q.front(),q.front()删除,因为val已经不在滑动窗口里了,所以要删除;
如果val!= q.front(),不处理;
提交代码
class Solution {
public:
class myque{
public:
void push(int val){ //pop所有<val的值,再push_back val
while(!q.empty() && val > q.back()){
q.pop_back();
}
q.push_back(val);
}
void pop(int val){
if(!q.empty() && val == q.front()){
q.pop_front();
}
else{
}
}
int front(){
return q.front();
}
int back(){
return q.back();
}
private:
deque<int> q;
};
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> out;
myque dq;
for(int i = 0; i < k; ++i){
dq.push(nums[i]);
}
out.emplace_back(dq.front());
for(int i = k; i < nums.size(); ++i)
{
dq.push(nums[i]);
dq.pop(nums[i - k]);
out.emplace_back(dq.front());
}
return out;
}
void test(){
vector<int> v = {7, 2, 4};
maxSlidingWindow(v, 2);
}
};
347 - 前 K 个高频元素
思路:小顶堆
1、统计元素出现频率;容易想到(用unordered_map)
2、对频率排序;(用什么呢??)
3、找出前K个高频元素;
对频率进行排序,这里可以使用一种容器适配器就是优先级队列(priority_queue)!!
优先级队列是什么呢?
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。
而且优先级队列内部元素是自动依照元素的权值排列。那么它是如何有序排列的呢?
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)。
什么是堆呢?
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。
此时要思考一下,是使用小顶堆呢,还是大顶堆?
题目要求前 K 个高频元素,那么果断用大顶堆啊。但是如果定义一个大小为k的大顶堆(其实也可以不固定长度为k,最后取的时候取前k个就可以,这种情况不用弹出,就可以使用大顶堆),每次需要弹出时弹出了最大元素,最后就保留不下来前K个高频元素了!
代码使用大小为k的小顶堆,每次长度到k时弹出top(出现频率最小的);
最后,因为小顶堆每次弹出最小,所以倒序保存在vector中!
提交代码
class Solution {
public:
class mycomparation{
public:
bool operator()(pair<int,int> l, pair<int,int> r){
return l.second > r.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int, int> mp;
for(int i = 0; i < nums.size(); ++i){
mp[nums[i]]++;
}
priority_queue<pair<int,int>, vector<pair<int, int>>, mycomparation> pri_que;
for(auto it = mp.begin(); it != mp.end(); it++){
pri_que.push(*it);
if(pri_que.size() > k){
pri_que.pop();
}
}
vector<int> vec(k);
for(int i = k - 1; i >= 0; --i){
vec[i] = pri_que.top().first;
pri_que.pop();
}
return vec;
}
void test(){
vector<int> v = {1,1,1,2,2,3};
topKFrequent(v,2);
}
};