150.逆波兰表达式求值
题目链接:150. 逆波兰表达式求值 - 力扣(LeetCode)
栈的经典应用,没什么难点,但有个坑,leetcode上没办法用“==”来判断字符串之间的相等,只能用equals。
class Solution {
public static int evalRPN(String[] tokens) {
Stack<Integer> stack = new Stack<>();
for (int i = 0; i < tokens.length; i++) {
if ("+".equals(tokens[i])) {
int a = stack.pop();
int b = stack.pop();
stack.push(a + b);
} else if ("-".equals(tokens[i])) {
int a = stack.pop();
int b = stack.pop();
stack.push(b - a);
} else if ("*".equals(tokens[i])) {
int a = stack.pop();
int b = stack.pop();
stack.push(a * b);
} else if ("/".equals(tokens[i])) {
int a = stack.pop();
int b = stack.pop();
stack.push(b / a);
} else {
stack.push(Integer.parseInt(tokens[i]));
}
}
return stack.pop();
}
}
239.滑动窗口最大值
题目链接:239. 滑动窗口最大值 - 力扣(LeetCode)
复杂点就是两层for循环,外层用来移动窗口,内层用来寻找最大值。时间复杂度是n*k
因为窗口移动的过程很像队列的入队和出队操作,所以用队列来做。
代码随想录:
在题解中有一个我认为很妙的想法:如果能有一个class,类中包含了三个方法,一个pop,一个push,还有一个getMaxValue,在窗口滑动时,pop出队首元素,push进队尾元素,然后getMaxValue就能获得当前窗口中的最大值,那么这道题很容易就能解决。这样就将问题简化成了:如何实现一个方法,能够获取当前窗口下的最大值。这种思考方法类似的还有自己构建一个class,其中的属性值和方法都是自己需要的。之前做华为笔试的时候,这种自己定义一个类的方法就解决了第二题。
为什么不能用优先级队列(大顶堆)?在pop出元素的时候,不知道该pop优先级队列中的哪个元素,因为队列口始终是最大值,不能直接pop。
引入单调队列的概念:队列中只维护有可能成为最大值的元素,不用维护窗口中的所有元素。
pop( )的实现:如果需要pop的元素等于队列出口处的元素,就pop,否则跳过。
push( )的实现:当push进来一个元素后,要将队列中该元素前所有小于自己的元素都pop出去,队列出口只留下自己。
getMaxValue( ):直接弹出队列出口处的元素即可。
为什么要用双端队列Deque而不用Queue,关键就在于,使用双端队列可以实现将队列中该元素前所有小于自己的元素都pop出去,因为Deque有个方法getLast()。
class MyQueue {
Deque<Integer> queue;
public MyQueue() {
queue = new LinkedList<>();
}
public void pop(int num) {
if (!queue.isEmpty() && num == queue.peek()) {
queue.poll();
}
}
public void push(int num) {
while (!queue.isEmpty() && queue.getLast() < num) {
queue.removeLast();
}
queue.add(num);
}
public int getMaxValue() {
return queue.peek();
}
}
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
MyQueue myQueue = new MyQueue();
int[] result = new int[nums.length - k + 1];
for (int i = 0; i < k; i++) {
myQueue.push(nums[i]);
}
result[0] = myQueue.getMaxValue();
for (int i = 0, j = k; j < nums.length; i++, j++) {
myQueue.push(nums[j]);
myQueue.pop(nums[i]);
result[i + 1] = myQueue.getMaxValue();
}
return result;
}
}
347. 前K个高频元素
题目链接:347. 前 K 个高频元素 - 力扣(LeetCode)
看题只能想到用哈希表记录元素出现的次数,然后输出次数排在前k个的元素,那么这道题的难点就在于对map中存储的键值对,按照value的大小从大到小进行排序。但由于这里只要求前k个元素,因此只要维护含有k个元素的有序数据结构就可以。
代码随想录:
引入了大顶堆(小顶堆)即优先级队列
应该使用大顶堆还是小顶堆?由于大顶堆的队首是最大的元素,因此当pop一个元素的时候,将大的值给pop出去了,那么最后剩下的反而是k个最小的值,因此要使用小顶堆。
由于堆是一个二叉树的数据结构,而且只维护k个元素,因此时间复杂度是logk
这道题在编写代码的过程中用到了很多优先级队列的操作,包括定义小顶堆的时候用到的语句,值得反复练习。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer,Integer> map = new HashMap<>();
for (int i = 0; i < nums.length; i++) {
if (map.containsKey(nums[i])) {
Integer value = map.get(nums[i]);
value++;
map.put(nums[i], value);
} else {
map.put(nums[i], 1);
}
}
PriorityQueue<int[]> pq = new PriorityQueue<>((o1, o2) -> o1[1] - o2[1]);
int[] res = new int[k];
for (Map.Entry<Integer, Integer> x : map.entrySet()) {
int[] tmp = new int[2];
tmp[0] = x.getKey();
tmp[1] = x.getValue();
pq.offer(tmp);
if (pq.size() > k) {
pq.poll();
}
}
for (int i = 0; i < k; i++) {
res[i] = pq.poll()[0];
}
return res;
}
}
day11完结撒花~