代码随想录-Day13 | LeetCode239. 滑动窗口最大值、LeetCode347.前 K 个高频元素

文档讲解: 代码随想录
视频讲解: 《代码随想录》算法公开课-跟着Carl学算法

LeetCode239. 滑动窗口最大值

题目链接：239. 滑动窗口最大值

题目描述：给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。返回 滑动窗口中的最大值 。

思路：不看随想录的分析根本想不到这种巧妙的思路，而且比较难理解，但是捋清楚之后就会感觉这种思路非常精妙。首先探讨下该题为什么用队列来解决？实际上我们在维护一个窗口并进行滑动的时候，我们需要丢弃最老的数据然后再添加新数据，这就和我们队列的思想很像：先进先出，最先进队列的数据也是最先出队列。然后说下随想录里的思想：

首先需要自定义数组实现一个单调队列，这个队列始终保持单调递减，为什么这么做？其实核心目的就是想让当前队列的头元素始终保持滑窗的最大值，所以当要知道每次滑窗内的最大值时，只需要读取队列的头元素即可。

了解核心思想之后，我们探讨自定义的单调队列，如何设计其offer和poll才能和我们滑窗思想进行结合？需要满足下述条件：

1. 当push元素时，若当前所要push的元素大于前面的元素（程序中就是拿当前元素和双端队列的尾部元素进行比较），则需要将它前面的元素弹出，直到队列前面元素都要大于或等于当前元素为止，再push进去当前元素，这样我们才能满足单调递减的要求。大家可能和我当时都会有疑问，为啥这么做？凭什么直接将队列小于当前元素无条件弹出？其实我们可以再斟酌下随想录的解释，队列其实没有必要维护窗口里的所有元素！我们要的是每次滑窗内的最大值，那些小值本来就会随着滑窗的滑动所丢弃，并且没什么用，我们无条件弹出小于当前元素不会带来什么坏的影响，反而会给我们带来更大的方便，哪里方便？ 队列的头元素始终维护的是最大值，我们在读取滑窗最大值时直接从队头读就可以了啊，难道这不方便吗？
2. 在pop元素时，如果当前要pop的元素不等于当前队列的头元素，则不需要任何处理，为什么？因为这个元素在我们push的时候已经给丢出去了，还处理个毛？所以我们只需要当所pop的元素等于当前队列的头元素时，才执行正常的Pop！

完成上述自定义单调队列之后，我们主函数就非常简单了，我们要做的就是始终保持窗口（队列）大小为要求值，在窗口移动时，一旦超出规定的尺寸大小，我们就需要利用自定义的队列pop出一个老数据，随即利用自定义的push进来一个新数据， 然后我们只需要读当前队列头元素即可求每次窗口内部maxNum！

import java.util.ArrayDeque;
import java.util.Deque;

class MyQueue {

    Deque<Integer> deque = new ArrayDeque<>();; // 双端队列

    // push函数
    public void offer(int value) {
        // 当value大于前面元素时(也就是和当前队尾进行比较) 则将前面元素弹出 直到都它小于等于前面元素为止
        while (!deque.isEmpty() && value > deque.peekLast()) {
            deque.pollLast(); // 弹出队尾元素
        }
        // 循环判断结束将当前值push进队列
        deque.offerLast(value);
    }

    // pop函数
    public void poll(int value) {
        // 当所要pop的元素为队头元素时 把队头元素弹出 其余不执行任何操作
        if (!deque.isEmpty() && value == deque.peekFirst()) {
            deque.pollFirst();
        }
    }

    // 读取窗口内部maxNum
    public int peek() {
        return deque.peekFirst();
    }

}

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        // 创建滑窗队列 并始终保持大小为k的滑窗
        MyQueue myQueue = new MyQueue();
        // 创建存储结果的数组
        int[] result = new int[nums.length - k + 1];

        for (int i = 0; i < nums.length; i++) {
            if (i < k) {
                myQueue.offer(nums[i]); // 当push元素个数小于k时 正常push
                if (i == k - 1) {
                    result[i - k + 1] = myQueue.peek();
                }
            } else {
                // 当元素个数大于k 弹出一个再进一个
                myQueue.poll(nums[i - k]);
                myQueue.offer(nums[i]);
                result[i - k + 1] = myQueue.peek();
            }
        }
        // 循环结束后返回数组
        return result;
    }
}

LeetCode347.前 K 个高频元素

题目链接：347.前 K 个高频元素

题目描述：给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

思路：首先这道题主要分为3个任务：一是统计元素频率；二是对元素频率进行排序 ；三是取前K个频率最高的元素输出。

1. 统计元素出现的频率可以采用Map作为数据存储结构，其中key存放元素值，value统计元素频率；
2. 可以采用优先级队列（底层是二叉树）对部分元素频率进行排序
3. 优先级队列（堆）其底层结构是二叉树，当poll元素时是从树的根节点弹出元素，为了保证在更新堆的时候，弹出的元素始终是频率小的元素，从而保留下来的是频率大的元素，因此我们选择小顶堆（父节点频率始终小于等于左右子树的频率值）。

import java.util.Map;
import java.util.PriorityQueue;

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        // 创建Map
        Map<Integer, Integer> map = new java.util.HashMap<>();
        // 循环遍历nums 存到map 并统计出现的频率
        for (int num : nums) {
            // 优化一下一： getOrDefault()获取指定key对应的value 如果找不到 key ，则返回设置的默认值
            map.put(num, map.getOrDefault(num, 0) + 1);
        }

        // 对出现频率进行排序 创建优先级队列（小顶堆）
        // lambda表达式设置优先级队列 o1 - o2 为从小到大
        PriorityQueue<int[]> queue = new PriorityQueue<>((o1, o2) -> o1[1] - o2[1]);
        // 遍历map 根据value进行排序 统计频率最高的元素 始终保持堆大小为k

        for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
            // 一旦添加的元素超过k个 则弹出头元素 对应频率小的元素
            // 创建二维数组
            int[] arr = new int[2];
            arr[0] = entry.getKey(); // 元素大小
            arr[1] = entry.getValue(); // 元素频率
            // 直接添加到优先队列中排序
            queue.offer(arr);
            // 当大于k时 需要先进排序 再弹出
            if (queue.size() > k) {
                queue.poll();
            }
        }
        // 循环结束后 当前优先级队列只保存前k个频率最高的元素
        // 当前为小顶堆 大值在下面 小值在上面
        // 将key值形成数组返回
        int[] res = new int[k];
        for (int i = k - 1; i >= 0; i--) {
            res[i] = queue.poll()[0];
        }
        return res;
    }
}

栈和队列总结

栈模型可以想象成一个顶端开口的瓶子，其特性是先进后出，后进先出。从随想录中针对栈的题目，其实不难发现由于这个后进先出的特性，非常适合元素的匹配问题，比如说LeetCode20. 有效的括号：寻找我们左括号相同类型的右括号，我们直接从栈顶元素去对比；还有LeetCode1047. 删除字符串中的所有相邻重复项：我们在遍历字符串的时候，一旦发现当前所遍历的元素和栈顶元素重复，直接从栈顶pop进而达到删除重复项的目的。LeetCode150. 逆波兰表达式求值：这种表达式为后缀表达式，当遍历到运算符时直接从栈顶pop两个元素进行相应的运算。总之还需要后续做题慢慢去体会。

队列其特性为先进先出，后进后出。利用这种特性与解决涉及滑窗思想的问题非常合适，窗口在进行滑动时，丢弃老数据并添加新数据。解决LeetCode239. 滑动窗口最大值：需要自定义一个单调队列，始终保持队列的头元素是最大值，要想明白我们如何来设计push和poll来符合我们滑窗的思想。虽然这道题是目前做的第一个困难等级，但想明白其实还是很简单的。总之，队列还需要进一步学习，包括优先级队列，大顶堆，小顶堆等，后续都需要再深入了解。