代码随想录Day13 | 239. 滑动窗口最大值，347. 前 K 个高频元素

Day13

前言

新的一周又开始了，提高效率，继续加油

文章：代码随想录

视频：算法公开课-跟着Carl学算法

LeetCode 239 滑动窗口最大值

自己思路

看了看题目，只想得到暴力思路，听从建议，先看视频

看完讲解

看视频看的云里雾里很糊，感觉没有表述清楚，快看完了这一集才发现原来所谓的弹出和卷出去是两个意思，太口语化了，没懂是两个方向的弹出元素，看老半天看不懂，后面重新看了下文字版的讲解和评论区，感觉清晰多了，可以看看这个视频前半段的讲解和动画，清晰一些【单调队列 滑动窗口最大值【基础算法精讲 27】】

简单的概括就是单调队列，维护一个单调队列来对窗口进行管理，单调队列具有加入元素、弹出元素、获取最大值三个功能，窗口每移动一次，就调用这三个功能。加入元素，每加入一个元素，就和队列中的前一个元素（靠近入口的）进行比较，如果比他大，那么就把前一个元素弹出，一直比较到前一个元素大于自己了，再加入自己。弹出元素，每移动一次窗口，就将窗口漏去的值和靠近出口的元素进行比较，如果相同就弹出该元素，如果不同就不进行任何操作。这样下来，就保证了这个队列是单调的，最大的元素永远在出口处，所以最后的获取最大值功能，直接返回出口处元素即可。现在思路清晰了，但是代码写起来并不容易，所以是边看边写的，今天对Deque的总结也花了很多时间，gpt有时候和傻子一样

首先是要实现自己的单调队列类，牢记入口为Last，出口为First。首先需要注意的是，当获取栈内元素的时候，要在前面加上非空才能去获取。然后在push判断的时候，val大于当前值的时候才poll，等于的时候不poll，如果等于也poll会出现在push的时候poll一次，然后poll判断又相等了，会多poll一次从而出错。然后在Solution类中，记得是去实现这个单调队列类，返回的数组长度可以求出来，用index来控制该数组的索引。然后第一遍for循环是指加入第一组k个元素，此时i指的滑动窗口的起点，只需要进行add最后再peek就行。第二遍for循环i指的就是滑动窗口的终点了，每一次都依次执行poll、add、peek操作。最后循环结束了返回整个数组就行

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        int[] result = new int[nums.length - k + 1];
        int index = 0;
        MyQueue myqueue = new MyQueue();
        for (int i = 0; i < k; i++) {
            myqueue.add(nums[i]);
        }
        result[index] = myqueue.peek();
        index++;
        for (int i = k; i < nums.length; i++) {
            myqueue.poll(nums[i - k]);
            myqueue.add(nums[i]);
            result[index] = myqueue.peek();
            index++;
        }
        return result;
    }
}

class MyQueue {
    Deque<Integer> deque = new LinkedList<>();
    public void poll(int val) {
        if (!deque.isEmpty() && deque.peekFirst() == val) {
            deque.pollFirst();
        }
    }
    public void add(int val) {
        while(!deque.isEmpty() && val > deque.peekLast()) {
            deque.pollLast();
        }
        deque.addLast(val);
    }
    public int peek() {
        return deque.peekFirst();
    }
}

LeetCode 347 前 K 个高频元素

自己思路

没有一个比较好的思路，去看视频

看完讲解

主要的思路就是采用优先级队列小顶堆，整个过程中遇到了非常多不懂的，恶补了很多知识，最后基本上是边看答案边写出来的，很多语言都不熟练，但是思路基本清楚了。我认为关键的就是两步，第一步是统计频率，这里借用HashMap。第二步就是维护前K个高频元素，这里利用的优先级队列的小顶堆，因为小顶堆每次都是弹出堆顶的最小的元素，这样子剩下的就是较大的元素了，所以用小顶堆，只需要保证小顶堆的元素是k个即可，如果不足k个直接加入，如果多于k个，就和最小元素比较，比他大那就加入，并且优先级队列PriorityQueue的add方法还会直接将元素添加到适当位置，就非常完美，所以关于是否需要add我们就只需要和最小的来比较就行，后面的就交给小顶堆自己维护

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        // 利用HashMap统计频率
        Map<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {
            map.put(num, map.getOrDefault(num,0)+1);
        }

        // 利用小顶堆维护k个元素（弹出的都是堆顶的小元素，留下的就是大的高频元素）
        PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2) -> pair1[1] - pair2[1]);
        for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
            // 不足k个直接加
            if (pq.size() < k) {
                pq.add(new int[]{entry.getKey(), entry.getValue()});
            } else {
                // 否则与小顶堆的根节点，即最小元素，进行比较
                if (entry.getValue() > pq.peek()[1]) {
                    pq.poll();
                    pq.add(new int[]{entry.getKey(), entry.getValue()});
                }
            }
        }

        // 依次弹出堆顶元素，返回答案（这里按照频率大的放在前面来排）
        int[] result = new int[k];
        for (int i = k-1 ; i >= 0; i--) {
            // 堆顶元素频率最低，排在后面
            result[i] = pq.poll()[0];
        }
        return result;
    }
}

总结

用时：近8h，遇到难题就感觉看视频很糊，恶补很多知识盲区

今天花了很多时间又对Deuqe进一步探索了，更新到Day10了；还研究了一下HashMap，更新到Day6了；其余和本节更相关的内容更新在下面了

增强for循环（for-each循环）

可以用来遍历任何实现了Iterable接口的对象，包括所有的Collection框架（如数组、集合，HashSet等），简化遍历过程

// 遍历数组
int[] arr = {1, 2, 3, 4, 5};
for(int num : arr) {
    System.out.println(num);
}

优先级队列（大顶堆/小顶堆）的定义和操作

优先级队列其实就是一个披着队列外衣的堆，所以优先级队列的操作和队列的操作就基本一致

但是关于为什么这样定义就是小顶堆，那样定义就是大顶堆，这个Lambad表达式还是不懂

// 优先级队列（大顶堆）的定义
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair2[1]-pair1[1]);
// 优先级队列（小顶堆）的定义
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
 
// 优先级队列加入元素——根据优先级添加到适当的位置
pq.add(x);
 
// 优先级队列移除并返回优先级最高的元素
pq.poll();
 
// 优先级队列返回优先级最高的元素
pq.peek();
 
// 队列大小
pq.size();
 
// 队列空否
pq.isEmpty();