Day13(栈与队列)|239. 滑动窗口最大值 347.前 K 个高频元素

239. 滑动窗口最大值

• 题目链接：239. 滑动窗口最大值
• 解题思路：这道题刚拿到时除了暴力搜索排序没有别的思路，看了题解之后了解到可以使用单调队列的结构来解决，考的是队列的应用，通过维护一个单调的队列，保证队列的出口处永远是最大的元素来完成题目要求。
• 主要难点：队列的应用，自己维护一个单调队列
• 解题步骤：
  • 首先自己维护一个单调队列类，应提供弹出与添加两种方法，具体逻辑为：弹出时，若弹出元素于队列出口元素相同则弹出，添加时，如果要添加的元素比当前出口的元素大，就把比他小的先弹出，保证队列出口为最大值
  • 在实现阶段，新建一个单调队列，并新建一个数组用来存储结果，开始的时候先将k个元素放进队列，然后开始滑动窗口移动过程。移动过程中，每移动一位，需要把滑动窗口最前端元素弹出，再把最后的元素加入，这两步操作都调用自己维护的单调队列中的方法。同时，每次从滑动窗口里取入口处的最大值作为结果放入结果数组。
  • 返回结果数组即可
• 解题时间：49+5
• 代码：

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if(nums.length==1){
            return nums;
        }
        //最终输出的结果数组长度应该为原数组长度减去窗口长度加1，新建一个数组用来保存最后结果
        int len = nums.length-k+1;
        int[] res = new int[len];
        int num = 0;
        MyQueue myQueue = new MyQueue();
        //将前k个元素放进队列
        for(int i=0;i<k;i++){
            myQueue.add(nums[i]);
        }
        res[num++]=myQueue.peek();
        //滑动窗口开始移动
        for(int i=k;i<nums.length;i++){
            //滑动窗口移除最前面的元素，移除时判断该元素是否放入队列
            myQueue.poll(nums[i - k]);
            //滑动窗口加入最后面的元素
            myQueue.add(nums[i]);
            //记录对应的最大值
            res[num++] = myQueue.peek();
        }
        return res;
    }
}

class MyQueue{
    //自己定义的一个单调队列结构，用linkedlist实现队列，保证出口永远是最大的元素
    Deque<Integer> deque = new LinkedList<>();
    //弹出元素操作：比较当前要弹出的元素是否与队列出口元素相等，相等则弹出，也要判断队列是否为空
    void poll(int val){
        if(!deque.isEmpty() && val==deque.peek()){
            deque.poll();
        }
    }
    //添加元素操作，如果要添加的大于当前队列出口元素，就把出口的元素弹出，保证这个更大的占据出口位置
    void add(int val){
        while(!deque.isEmpty() && val>deque.getLast()){
            deque.removeLast();
        }
        deque.add(val);
    }
    //队列出口永远为最大值
    int peek(){
        return deque.peek();
    }
}

347.前 K 个高频元素

• 题目链接：347.前 K 个高频元素
• 解题思路：这道题一共要干三件事，统计每个数字的出现频率，把这些出现频率排序，返回出现频率最高的前k个数字，可以使用大/小顶堆来实现，在代码中可以借用优先级队列的结构来实现堆结构
• 主要难点：堆结构的使用和理解，以及在代码中可以使用优先级队列来模拟堆结构
• 解题时间：40+5
• 代码：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer,Integer> map = new HashMap<>();//key为数组元素值,val为对应出现次数
        for(int num:nums){
            map.put(num,map.getOrDefault(num,0)+1);
        }
        //在优先队列中存储二元组(num,cnt),cnt表示元素值num在数组中的出现次数
        //出现次数按从队头到队尾的顺序是从小到大排,出现次数最低的在队头(相当于小顶堆)
        PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
        for(Map.Entry<Integer,Integer> entry:map.entrySet()){//小顶堆只需要维持k个元素有序
            if(pq.size()<k){//小顶堆元素个数小于k个时直接加
                pq.add(new int[]{entry.getKey(),entry.getValue()});
            }else{
                if(entry.getValue()>pq.peek()[1]){//当前元素出现次数大于小顶堆的根结点(这k个元素中出现次数最少的那个)
                    pq.poll();//弹出队头(小顶堆的根结点),即把堆里出现次数最少的那个删除,留下的就是出现次数多的了
                    pq.add(new int[]{entry.getKey(),entry.getValue()});
                }
            }
        }
        int[] ans = new int[k];
        for(int i=k-1;i>=0;i--){//依次弹出小顶堆,先弹出的是堆的根,出现次数少,后面弹出的出现次数多
            ans[i] = pq.poll()[0];
        }
        return ans;
    }
}

总结

• 今天的两道题比较难，涉及到的思路之前没见过，分别是自定义单调队列和大小顶堆的应用，一刷的时候主要理解了题解思路，后面再刷的时候尽量能自己写出来代码