栈与队列知识点
栈的知识点
Java的Stack类
1.Stack类在java.util包中;
2.继承关系
Stack继承了Vector,而Vector类底层使用数组存储数据,那么Stack对象中存储的数据也是存储在数组中的。
3.构造函数
Stack只有一个无参数的构造函数。
4.常用方法介绍
(1)void push(item):把数据压入栈
addElement()是父类Vector中的方法,会将压入栈的元素存放在数组末尾。
(2)Object peek():查看栈顶的数据,返回值为栈顶元素,底层数组中最后一个元素,但是不会删除该元素
(3)Obeject pop():查看栈顶的数据,返回值为栈顶元素,底层数组中最后一个元素,同时把栈中的该元素删除。
(4)isEmpty():判断栈是否为空栈
队列的知识点
队列是一种特殊的线性表,遵循先入先出、后入后出的基本原则,一般来说,它只允许在表的前端进行删除操作,而在表的后端进行插入操作。
但是java的某些队列运行在任何地方插入删除;比如我们常用的 LinkedList 集合,它实现了Queue 接口,因此,我们可以理解为 LinkedList 就是一个队列;
Queue接口中定义了如下方法:
(1) void add(Object e):将指定元素加入此队列的尾部
(2) boolean offer(Object e):将指定元素加入该队列的尾部,当使用有容量限制的队列时,此方法通常比void add(Object e)方法更好,使用此方法时,如果发现队列已满无法添加时,会直接返回false
(3) Object peek():获取队列头部的元素,但是不删除该元素,如果此队列为空,则返回null
(4) Object poll():获取队列头部的元素,并删除该元素,如果此队列为空,则返回null
(5) Object remove():获取队列头部的元素,并删除该元素,队列为空时抛出异常NoSuchElementException
一、用栈实现队列
链接: 232.用栈实现队列
思路
设置两个栈来模拟队列,一个进栈,一个出栈
class MyQueue {
Stack<Integer> stackIn;
Stack<Integer> stackOut;
public MyQueue() {
stackIn = new Stack<>();
stackOut = new Stack<>();
}
public void push(int x) {
stackIn.push(x);
}
public int pop() {
dumpStack();
return stackOut.pop();
}
public int peek() {
dumpStack();
return stackOut.peek();
}
public boolean empty() {
return stackIn.isEmpty() && stackOut.isEmpty();
}
public void dumpStack(){
if (!stackOut.isEmpty()) return;
while (!stackIn.isEmpty()){
stackOut.push(stackIn.pop());
}
}
}
二、用队列实现栈
链接: 225. 用队列实现栈
class MyStack {
Queue<Integer> que;
public MyStack() {
que = new LinkedList<>();
}
public void push(int x) {
que.offer(x);
int size = que.size();
size--;
while (size-- > 0){
que.offer(que.poll());
}
}
public int pop() {
return que.poll();
}
public int top() {
return que.peek();
}
public boolean empty() {
return que.isEmpty();
}
}
三、有效的括号
链接: 20.有效的括号
思路
由于栈结构的特殊性,非常适合做对称匹配类的题目。
首先要弄清楚,字符串里的括号不匹配有几种情况。
【要在纸上写一写,弄清楚】三种情况
【图片来源:代码随想录】
1.字符串里的左方向的括号多余了
遇到左方向括号,压入右方向括号,匹配结束发现栈中还要剩余的括号
对应代码中的 return st.isEmpty()
2.括号没有多余,但是括号的类型没有匹配上
对应代码中的 s.charAt(i) != st.peek()
3.字符串里右方向的括号多余了
在匹配过程中发现栈中没有元素了
对应代码中的 st.isEmpty()
小技巧,在压栈时,对于各种左括号,压入右括号,这样在匹配时,只用匹配是否相同即可。
代码
class Solution {
public boolean isValid(String s) {
Stack<Character> st = new Stack<>();
if (s.length() % 2 != 0)
return false;
for (int i = 0;i < s.length();i++){
if (s.charAt(i) == '(') st.push(')');
else if(s.charAt(i) == '[') st.push(']');
else if(s.charAt(i) == '{') st.push('}');
else if(st.isEmpty() || s.charAt(i) != st.peek()) return false;
else st.pop();
}
return st.isEmpty();
}
}
错误
很简单的问题,自己出了一个错
在定义栈st的时候 Stack< Character> st 自己把尖括号里面的数据类型写成了char,不可以必须是对象类型
之间一直写的是Set< Interger> set
四、删除字符串中的所有相邻重复项
思路
本题思路很简单,通过题目可以看出使用栈或者类似栈的数据结构解决比较简单。
如果栈为空或者栈顶元素不等于字符串的字符,就push进去
相等就弹出。
在输出删除后的字符串时,注意顺序。
代码
用栈Stack来实现
class Solution {
public String removeDuplicates(String s) {
Stack<Character> st = new Stack<>();
for (int i = 0;i < s.length();i++){
if (st.isEmpty() || st.peek() != s.charAt(i))
st.push(s.charAt(i));
else
st.pop();
}
String str = "";
while (!st.isEmpty()){
str = st.pop() + str;
}
return str;
}
}
用字符串来实现
class Solution {
public String removeDuplicates(String s) {
// 将 res 当做栈
// 也可以用 StringBuilder 来修改字符串,速度更快
StringBuffer res = new StringBuffer();
// top为 res 的长度
int top = -1;
for (int i = 0; i < s.length(); i++) {
char c = s.charAt(i);
// 当字符串为空,或者有字符串,但字符串的末端不匹配,则将不匹配元素加入到字符串的末尾
if (top < 0 || res.charAt(top) != c) {
res.append(c);
top++;
} else {
// 相当于从res字符串的末尾删除
res.deleteCharAt(top);
top--;
}
}
return res.toString();
}
}
五、逆波兰表达式求值
链接: 150. 逆波兰表达式求值
思路
本题思路非常简单
从开始考虑,如果遇到运算符,则弹出两个数字,进行对应的运算符计算。
对于数字的情况,用else,将其压进去。
本题最困难的是对于各种数据类型的处理。
还有一个因为进栈出栈的特殊性,“-” 和“/”要进行特殊处理。
如下代码是自己完全不考虑字符串处理的情况
代码
自己写的代码
class Solution {
public int evalRPN(String[] tokens) {
Stack<String> st = new Stack<>();
for (int i = 0;i < tokens.length;i++){
if (tokens[i] == "+"){
st.push(st.pop() + st.pop());
}
else if (tokens[i] == "-"){
st.push(-st.pop() + st.pop());
}
else if (tokens[i] == "*"){
st.push(st.pop() * st.pop());
}
else if (tokens[i] == "/"){
String temp1 = st.pop();
String temp2 = st.pop();
st.push(temp2 / temp1);
}
else{
st.push(tokens[i]);
}
}
return st.pop();
}
}
报错
压进st的都是String类型,无法进行运算
class Solution {
public int evalRPN(String[] tokens) {
Stack<Integer> st = new Stack<>();
for (int i = 0;i < tokens.length;i++){
if (tokens[i] == "+"){
st.push(st.pop() + st.pop());
}
else if (tokens[i] == "-"){
st.push(-st.pop() + st.pop());
}
else if (tokens[i] == "*"){
st.push(st.pop() * st.pop());
}
else if (tokens[i] == "/"){
int temp1 = st.pop();
int temp2 = st.pop();
st.push(temp2 / temp1);
}
else{
// st.push(Integer.valueOf(tokens[i]));
st.push(Integer.valueOf(tokens[i]));
}
}
return st.pop();
}
}
报错
正确解法
class Solution {
public int evalRPN(String[] tokens) {
Stack<Integer> st = new Stack<>();
for (String s : tokens){
if ("+".equals(s)){
st.push(st.pop() + st.pop());
}
else if ("-".equals(s)){
st.push(-st.pop() + st.pop());
}
else if ("*".equals(s)){
st.push(st.pop() * st.pop());
}
else if ("/".equals(s)){
int temp1 = st.pop();
int temp2 = st.pop();
st.push(temp2 / temp1);
}
else{
// st.push(Integer.valueOf(s));
st.push(Integer.valueOf(s));
}
}
return st.pop();
}
}
重要:leetcode 内置jdk的问题,不能使用==判断字符串是否相等!
六、滑动窗口最大值
链接: 239. 滑动窗口最大值
思路
采用单调队列。
创建一个单调队列,里面的值从大到小依次递减。
大体思路:将前k个元素加入到单调队列中,队首元素即为最大值
【原因和定义的单调队列方法push(int val) 有关】
然后滑动,每遍历到一个新元素,会执行三步操作:
poll(int val)
【传入参数的原因是,单调队列里面可能在之前就把该元素删掉,确认一下,是否需要继续在单调队列里面删除】
push(int val)操作
【其实是push到单调队列里面,为了保持单调队列的性质,不会将全部元素都加入,而是进行一定的处理】
在单调队列里面比较大小,如果该新元素比单调队列里面的所有元素都大,则单调队列里面的元素都删除,加入新的元素。否则,找到该元素在单调队列里面合适的位置(单调队列中比它小的全都删掉)
peek()
直接取最大值即可。
代码
//自定义数组
class MyQueue {
Deque<Integer> deque = new LinkedList<>();
void push(int val){
while (!deque.isEmpty() && val > deque.getLast()){
deque.removeLast();
}
// 删除完不要忘记再加上啊。
deque.add(val);
}
void poll(int val){
if (!deque.isEmpty() && val == deque.peek()){
deque.poll();
}
}
int peek(){
return deque.peek();
}
}
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if (nums.length == 1)
return nums;
int len = nums.length - k + 1;
int[] res = new int[len];
MyQueue myqueue = new MyQueue();
int num = 0;
// 将前k个元素加进单调队列
for (int i = 0;i < k;i++){
myqueue.push(nums[i]);
}
// 前k个元素的最大值
res[num++] = myqueue.peek();
// 开始滑动遍历
for (int i = k;i < nums.length;i++){
// 移除前面的元素
myqueue.poll(nums[i - k]);
// 加入新元素
myqueue.push(nums[i]);
// 返回最大值
res[num++] = myqueue.peek();
}
return res;
}
}
七、前K个高频元素
链接: 347.前 K 个高频元素
思路
思路很清晰:利用哈希表存储每个元素出现的次数,然后对次数进行排序,返回前k个键值对里面的键
数字是key,出现的次数是value
重点是这个排序应该如何进行,且只需要前k个元素的顺序,是否有简化方法
本题采用的思路是优先级队列模拟小顶堆,进行弹出过程的排序。
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)。
大体思路是,一边遍历哈希表,一边往优先级队列里面加,如果优先级队列大于我们所需的大小k,则新元素与优先级队列最开头即最小的元素进行比较,如果大于,则弹出开头最小的元素,将新元素加入优先级队列中。
最后哈希表遍历完成后,优先级队列里面只有k个元素。这k个元素按照小顶堆弹出的顺序,在前面的应该是出现次数最少的,所以我们设置了一个新的数组,采用倒序接收优先级队列中的元素(这个元素是键值对,我们只用接收键值对里面的key即可)
代码
class Solution {
public int[] topKFrequent(int[] nums, int k) {
// 利用哈希表存储每个元素出现的次数,
Map<Integer,Integer> map = new HashMap<>();
for (int i = 0;i < nums.length;i++){
map.put(nums[i],map.getOrDefault(nums[i],0) + 1);
}
// 利用优先级队列(小顶堆)对次数进行排序,返回前k个键值对里面的键
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2) -> pair1[1] - pair2[1]);
// 一边遍历哈希表,一边往优先级队列里面加,如果优先级队列大于我们所需的大小k,
//则新元素与优先级队列最开头即最小的元素进行比较,如果大于,则弹出开头最小的元素,将新元素加入优先级队列中。
for(Map.Entry<Integer,Integer> entry : map.entrySet()){
if (pq.size() < k){
pq.add(new int[]{entry.getKey(),entry.getValue()});
}else{
if (entry.getValue() > pq.peek()[1]){
pq.poll();
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
}
}
// 设置了一个新的数组,采用倒序接收优先级队列中的元素
int[] res = new int[k];
for (int i = k - 1;i >= 0;i--){
res[i] = pq.poll()[0];
}
return res;
}
}
欠缺的知识点
1.Map.getOrDefault()
格式:
Map.getOrDefault(key,默认值);
Map中会存储一一对应的key和value。
如果 在Map中存在key,则返回key所对应的的value。
如果 在Map中不存在key,则返回默认值。
【有种Math.max(num,0)的感觉】
2.for(Map.Entry<Integer,Integer> entry:map.entrySet())
Entry是属于Map的静态内部类,在创建Map对象的时候就会同时创建一个Entry对象,用来记录键与值的映射关系。
entrySet():返回此映射所包含的映射关系的 Set 视图。
3.PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
括号里面是Comparator接口的lambda表达式
/*Comparator接口说明:
* 返回负数,形参中第一个参数排在前面;返回正数,形参中第二个参数排在前面
* 对于队列:排在前面意味着往队头靠
* 对于堆(使用PriorityQueue实现):从队头到队尾按从小到大排就是最小堆(小顶堆),
* 从队头到队尾按从大到小排就是最大堆(大顶堆)--->队头元素相当于堆的根节点
* */
Queue 和 Deque:https://blog.csdn.net/weixin_52767345/article/details/128592123?spm=1001.2014.3001.5502
优先级队列:https://blog.csdn.net/qq_41845823/article/details/124281687