注意点:
1.确定一个双头队列deque
2.将滑动窗口的最大值放到deque的最前面--front函数;如果滑动窗口往右移动,删除的值将和queue的front进行比较,如果相同,则弹出--pop函数;滑动窗口右移,新增加的数字将与queue中的数字进行比较,采用单增序列进行排列,将小的全删除了
3.push_back()函数是链表(vector string deque)的成员函数,push() 函数是栈Stack的成员函数
class Solution {
private:
class MyQueue{
public:
deque<int> que;
// 每次弹出的时候和que队列出口元素进行对比,如果相同则弹出
void pop(int value) {
if(!que.empty() && value == que.front())
que.pop_front();
}
// 将value压入到队列中,value与队列中的元素比较,将值放到相应的位置,比value小的数值直接丢弃
void push(int value) {
while(!que.empty() && value > que.back())
que.pop_back();
que.push_back(value);
}
// 获得最大值
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++) {
que.push(nums[i]);
}
result.push_back(que.front());
for(int i = k; i < nums.size(); i++) {
que.pop(nums[i-k]);
que.push(nums[i]);
result.push_back(que.front());
}
return result;
}
};
注意点:
1.优先队列需要三个参数,第一个参数是数据类型,第二个队列是数据容器,第三个是排序方式
//升序队列,头部是最小的元素,即小顶堆
priority_queue <int,vector<int>,greater<int> > q;
//降序队列,头部是最大的元素,即小顶堆
priority_queue <int,vector<int>,less<int> >q;
2. >表示右边的大,是降序排列
3.采用小堆顶进行统计前k个元素的个数
4.因为小堆顶采用最小次数的元素出现在小堆顶的堆顶,在进行最后的输出的时候,进行倒序输出
class Solution {
public:
// 小堆顶
class mycomparision {
public:
bool operator()(const pair<int, int> & lhs, const pair<int, int> & rhs) {
return lhs.second > rhs.second;//>表示右边的大,是降序排列
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int, int> map;//key是元素 value是出现的次数
for(int i = 0; i < nums.size(); i++) {
map[nums[i]]++;
}
// 优先队列需要三个参数,第一个参数是数据类型,第二个队列是数据容器,第三个是排序方式
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparision> pri_que;
for(auto it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);//it包含<key,value>
if(pri_que.size() > k)
pri_que.pop();
}
vector<int> result(k);
for(int i = k-1; i>= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};