239.滑动窗口最大值|堆|优先队列|单调递减的双向队列

一、最小堆

• 堆真是个好数据结构，可惜不熟。

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        # 如果窗口大小为1，滑动窗口最大值就是自身
        if k == 1: return nums
        
        # 一、错误思路
        # firstMax = [nums[0], 0] # 记录窗口中第一大的数值和其下标
        # secondmax = [nums[1], 1] # 记录窗口中第二大的数值和其下标
        # 可惜对堆不太熟练，想不到用它T^T
        nlen = len(nums)
        # dp = [0] * (nlen - k + 1)

        # # 初始状态
        # for i in range(k):

        # 二、小根堆/优先队列

        # python默认小根堆，即最小的在前面；目的是求最大值，取负值变成最小值，这样就可排在最前面。
        pQueue = [(-nums[i], i) for i in range(k)] # 记录数值和下标
        # 将列表转换成小根堆
        heapq.heapify(pQueue) 

        res = [-pQueue[0][0]] # 第一个窗口的最大值，小根堆最小值取负就是了

        for i in range(k, nlen):
            heapq.heappush(pQueue, (-nums[i], i)) # 将新来的数值和下标入小根堆
            while pQueue[0][1] <= i - k: 
            # 如果堆中最小值的下标已经超出k窗口， while直到不越界；
            # 因为这个代码不是进一个删一个的逻辑，是一个一个进，等最小值越界才一个一个删除。
                heapq.heappop(pQueue) # 删除这个最小值
            res.append(-pQueue[0][0]) # 取当前堆中最小值，取负成最大值

        return res

        

二、单调递减的双向队列

• 用递减的队列[其中记录的是下标，以判断是否越界]维持窗口中的最大值max1、第二个最大值max2、第三个最大值…
• 假设在最大值max1下标前有个数值tmp大于第二个最大值max2，但因为窗口往右移动，最大值max1的光芒会掩盖掉tmp，tmp在窗口中，最大值window_max不会是它，tmp不在窗口中，最大值window_max更不会是它。tmp会比max1先消亡，保存tmp没有意义。保存max2的意义就是怕max1的下标在移动窗口后越界了，这时max2顶上去当老大。

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        # 如果窗口大小为1，滑动窗口最大值就是自身
        if k == 1: return nums
        
        nlen = len(nums)

        # 三、单调的双向队列
        # 用递减的队列[其中记录的是下标，以判断是否越界]维持窗口中的最大值、第二个最大值、第三个最大值...，我的思路也类似，但是没想那远，只想到用单调栈。
        queue = collections.deque() # 使用包中的双向队列
        for i in range(k):
            while queue and nums[i] >= nums[queue[-1]]: # 与队列最小的值比较
                queue.pop() # 在右边删除小于nums[i]的数，一直while循环删除
            queue.append(i) # 添加这个下标；维持递减的队列
        # 此时队列中的第一个是这窗口中的最大值的下标

        res = [nums[queue[0]]]
        for i in range(k, nlen):
            while queue and nums[i] >= nums[queue[-1]]:
                queue.pop()
            queue.append(i) # 维持递减队列
            while queue[0] <= i - k:
                queue.popleft() # 这里就是要用双向队列的原因，要在左边删除越界了的最大值
            res.append(nums[queue[0]])

        return res

        

参考官方解析的代码