Day12 | 239. 滑动窗口最大值 / 347. 前 K 个高频元素

P.S. 时隔几个月，又重新开始刷题啦！

Leetcode 239. 滑动窗口最大值

题目链接：239. 滑动窗口最大值

思路：

只想到了暴力解法。

其实这是单调队列的经典题目。队列没有必要维护窗口里的所有元素，只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的。

解题：失败

代码实现

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        MyQueue queue = new MyQueue();
        int len = nums.length;
        int[] res = new int[len - k + 1];

        for(int i = 0; i < k; i++){
            queue.add(nums[i]);
        }
        int idx = 0;
        res[idx++] = queue.getMaxValue();

        for(int i = k; i < len; i++){
            queue.add(nums[i]);
            queue.poll(nums[i - k]);
            res[idx++] = queue.getMaxValue();
        }
        return res;
    }

    class MyQueue{
        Deque<Integer> queue = new LinkedList<>();

        public void poll(int val){
            if(!queue.isEmpty() && queue.peekFirst() == val){
                queue.pollFirst();
            }
        }
        
        public void add(int val){
            while(!queue.isEmpty() && queue.peekLast() < val){
                queue.pollLast();
            }
            queue.add(val);
        }
        public int getMaxValue(){
            return queue.peekFirst();
        }
    }
}

操作	Deque
添加元素到队尾	addLast(E e)
取队首元素并删除	E pollFirst()
取队首元素但不删除	E peekFirst()
添加元素到队首	addFirst(E e)
取队尾元素并删除	E pollLast()
取队尾元素但不删除	E peekLast()

Leetcode 347. 前 K 个高频元素

题目链接：347. 前 K 个高频元素

思路：

第一反应是用HashMap计数，但是想到后面要对value进行排序，时间复杂度变高，应该不是这个解法。

看了题解后，确实一开始是用HashMap计数，但是巧妙的是利用大/小顶堆进行排序。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。如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。

解题：失败

代码实现

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

        PriorityQueue<int[]> pq = new PriorityQueue<>((o1, o2) -> o1[1] - o2[1]);
        for(Map.Entry<Integer, Integer> entry : map.entrySet()){
            pq.offer(new int[]{entry.getKey(), entry.getValue()});
            if(pq.size() > k){
                pq.poll();
            }
        }

        for(int i = k-1; i>=0; i--){
            res[i] = pq.poll()[0];
        }
        return res;
    }
}

大/小顶堆很适用于获取前 K 个最大/最小元素类型的题目。不过这里需要想清楚，是用大顶堆，还是小顶堆。

总结

1. 栈的应用：括号匹配问题、字符串去重问题、逆波兰表达式问题等
2. 队列：单调队列和优先级队列