Leetcode 150
题目:逆波兰表达式
学习资料:代码随想录
初始思路
- 模拟计算过程,遇到数字放入栈中,当遇到运算符时,将栈顶前两个出栈并计算,然后将结果进栈
学习后
- 可以利用eval函数更简便的写法
- f' '可以将表达式赋值
实现过程
思路一
stack = []
for i in tokens:
if i == "+":
a = stack.pop()
b = stack.pop()
c = b + a
stack.append(c)
elif i == "-":
a = stack.pop()
b = stack.pop()
c = b - a
stack.append(c)
elif i == "*":
a = stack.pop()
b = stack.pop()
c = b * a
stack.append(c)
elif i == "/":
a = stack.pop()
b = stack.pop()
c = int(b / a)
stack.append(c)
else:
stack.append(int(i))
return stack.pop()
思路二
stack = []
for item in tokens:
if item not in {"+", "-", "*", "/"}:
stack.append(item)
else:
first_num, second_num = stack.pop(), stack.pop()
stack.append(
int(eval(f'{second_num} {item} {first_num}')) # 第一个出来的在运算符后面
)
return int(stack.pop()) # 如果一开始只有一个数,那么会是字符串形式的
Leetcode 239
题目:滑动窗口最大值
学习资料:代码随想录
初始思路
- 队列,取max,超时;
- 最大顶堆,移动窗口时无法移除元素
学习后
- 自定义的单调队列:实现push,pop,getMax,使得队列的出口元素为候选最大值
- push:为了满足单调,push的时候要和前面的元素,即队列尾部的元素比较,如果将要push的元素比队列中的尾部元素大,将尾部元素从右侧入口出移除。注意:这里实际是一个双向队列,这里移除时要从右侧尾部入口处移除
- pop:当滑动窗口移除的元素正好等于队列左侧最大的元素时,将队列左侧元素,从左侧移除;其余滑动窗口移除的元素在push的时候其实就已经移除了。
- 单调队列实际上是在维护可能成为最大值的元素,而不是滑动窗口中的元素
实现过程
class Myqueue:
def __init__(self):
self.queue = []
def push(self, value):
while self.queue and value > self.queue[-1]:
#小于的都移除;从后比较;只有这样才能保证是单调的
self.queue.pop()
self.queue.append(value)
def pop(self, value):
#queue[0]是保存最大的,滑动窗口移动的时候,如果是最大的元素,那么就pop出去
if self.queue and value == self.queue[0]:
self.queue.pop(0)
def getMax(self):
return self.queue[0]
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
q = Myqueue()
re = []
for i in range(k):
q.push(nums[i])
re.append(q.getMax())
for i in range(k, len(nums)):
q.pop(nums[i-k])
q.push(nums[i])
re.append(q.getMax())
return re
Leetcode347
题目:前k个高频元素
学习资料:代码随想录
初始思路
- 先利用dict统计频率;然后排序
- 时间复杂度高
学习后
- 排序的时候其实只维护前k就好,使用优先级队列数据结构;本质就是维护k个元素的堆
- 大顶堆还是小顶堆?
- 如果使用大顶堆,每次添加元素后,都要pop元素,pop顶部元素为最大的,反而将大值给移除了,目的是维护前k个高频,使用大顶堆却变成了前k个低频
- 使用小顶堆
- 时间复杂度,每次加入一个元素维护复杂度logk,所以为nlogk
实现过程
- 使用heapq;heapq就是最小堆
- 如果heappush的是元组,那么会以第一个元素为priority排序
- ps:最大堆的数据结构可以自己实现
import heapq
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
dict_ = dict()
for i in range(len(nums)):
dict_[nums[i]] = dict_.get(nums[i],0) + 1
pri_queue = []
for key, value in dict_.items():
#heapq默认将元组中第一个元素最为priority
heapq.heappush(pri_queue, (value,key))
if len(pri_queue) > k:
heapq.heappop(pri_queue)
re = []
for i in range(k-1,-1,-1):
re.append(pri_queue[i][1])
return re