使用暴力解法可以解决但是会超时 还是看视频进行复习 最好理解记忆也行 这道题可以多手敲几遍格式规范还有常用的写法都可以记住
视频里用到了dequeue因此记录一下它和queue的区别
此时我们需要一个队列,这个队列呢,放进去窗口里的元素,然后随着窗口的移动,队列也一进一出,每次移动之后,队列告诉我们里面的最大值是什么。那么这个维护元素单调递减的队列就叫做单调队列,即单调递减或单调递增的队列。C++中没有直接支持单调队列,需要我们自己来实现一个单调队列 构建单调队列使用deque最为合适,常用的queue在没有指定容器的情况下,deque就是默认底层容器。
题解中单调队列里的pop和push接口,仅适用于本题哈。单调队列不是一成不变的,而是不同场景不同写法,总之要保证队列里单调递减或递增的原则,所以叫做单调队列。 不要以为本题中的单调队列实现就是固定的写法哈。
大家貌似对deque也有一些疑惑,C++中deque是stack和queue默认的底层实现容器(这个我们之前已经讲过啦),deque是可以两边扩展的,而且deque里元素并不是严格的连续分布的。
还有注意代码的规范 类名使用大驼峰的写法
class MyQueue {
public:
void pop(int value) {
}
void push(int value) {
}
int front() {
return que.front();
}
};
操作队列的时候都要看一下队列不为空
class Solution {
private:
class MyQueue { //单调队列(从大到小)
public:
deque<int> que; // 使用deque来实现单调队列
// 每次弹出的时候,比较当前要弹出的数值是否等于队列出口元素的数值,如果相等则弹出。
// 同时pop之前判断队列当前是否为空。
void pop(int value) {
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
// 如果push的数值大于入口元素的数值,那么就将队列后端的数值弹出,直到push的数值小于等于队列入口元素的数值为止。
// 这样就保持了队列里的数值是单调从大到小的了。
void push(int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(value);
}
// 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
int front() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // result 记录前k的元素的最大值
for (int i = k; i < nums.size(); i++) {
que.pop(nums[i - k]); // 滑动窗口移除最前面元素
que.push(nums[i]); // 滑动窗口前加入最后面的元素
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
这道题目我没想到如何用队列去做 但是我看有人用哈希做出来了 因此我也想着 用哈希做一下然后再用队列的方法做一下,用哈希做了之后才发现自己好多东西敲的不熟练 因此也有必要记录一下
首先创建一个unordered_map容器在里面存入每个元素及其对应出现的次数 接着将umap转为vector<pair<int,int>>容器 然后使用自定义的比较函数进行sort降序排列 然后取出前k个放入vector<itn> result容器里即可
这里有个注意点就是
sort的自定义比较函数 compare 函数被定义为类成员函数,而 std::sort 需要一个全局函数或者静态成员函数作为第三个参数。成员函数包含一个隐含的 this 指针,因此不能直接传递给 std::sort。
解决方法有两种:将 compare 函数定义为静态成员函数,或者将其定义为类外部的普通函数。
- 静态成员函数:静态成员函数不依赖于类的实例,因此没有 this 指针,可以直接作为函数指针传递给 std::sort。
- 类外部的普通函数:类外部的普通函数自然没有 this 指针,可以直接作为函数指针传递给 std::sort。
这种方法要多写一写 因为不够熟练
class Solution {
public:
static bool compare(const pair<int,int>& a, const pair<int,int>& b) {
return a.second > b.second;
}
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> umap;
vector<int> result;
// 统计每个数字出现的频率
for (int i = 0; i < nums.size(); i++) {
umap[nums[i]]++;
}
// 将键值对存入一个vector中
vector<pair<int,int>> temp(umap.begin(),umap.end());
sort(temp.begin(),temp.end(),compare);
// 获取前K个高频元素
for (int i = 0; i < k; i++) {
result.push_back(temp[i].first);
}
return result;
}
};
使用优先级队列的方法需要看代码随想录的内容理解一下前K个高频元素
优先级队列这块还得多熟悉熟悉
class Solution {
public:
// 小顶堆
class mycomparison {
public:
bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
return lhs.second > rhs.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
// 要统计元素出现频率
unordered_map<int, int> map; // map<nums[i],对应出现的次数>
for (int i = 0; i < nums.size(); i++) {
map[nums[i]]++;
}
// 对频率排序
// 定义一个小顶堆,大小为k
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
// 用固定大小为k的小顶堆,扫面所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > k) { // 如果堆的大小大于了K,则队列弹出,保证堆的大小一直为k
pri_que.pop();
}
}
// 找出前K个高频元素,因为小顶堆先弹出的是最小的,所以倒序来输出到数组
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
在这段代码中,priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
中的第一个模板参数 pair<int, int>
表示优先队列中的元素类型,即每个元素都是一个由两个整数组成的对。第二个模板参数 vector<pair<int, int>>
表示优先队列的底层容器类型,即优先队列内部使用的数据结构是一个vector
,其中存储的元素是pair<int, int>
类型的对象。这样的设置使得优先队列在内部使用vector
作为存储结构,并根据定义的比较器 mycomparison
进行小顶堆的构建和维护。
因此,在需要自定义比较逻辑时,定义一个类作为仿函数是一种常见且推荐的做法。
class Solution {
public:
// 小顶堆
class mycomparison {
public:
bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
return lhs.second > rhs.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
// 要统计元素出现频率
unordered_map<int, int> map; // map<nums[i],对应出现的次数>
for (int i = 0; i < nums.size(); i++) {
map[nums[i]]++;
}
// 对频率排序
// 定义一个小顶堆,大小为k
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
// 用固定大小为k的小顶堆,扫面所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > k) { // 如果堆的大小大于了K,则队列弹出,保证堆的大小一直为k
pri_que.pop();
}
}
// 找出前K个高频元素,因为小顶堆先弹出的是最小的,所以倒序来输出到数组
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};