day13|● 239. 滑动窗口最大值 ● 347.前 K 个高频元素 ● 总结

day13 2.27 栈与队列第二天

239. 滑动窗口最大值

链接: 239. 滑动窗口最大值
思路：（单调队列）主要就是pop、push、getMaxvalue。队列没有必要维护窗口里的所有元素，只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队里里的元素数值是由大到小的。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。

class Solution {

private:
    class MyQueue{//单调队列（单调递增或递减）
    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
        //这样就保持单调队列的数值从小到大了
        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个元素放进队列
            que.push(nums[i]);

        }
        result.push_back(que.front());//result记录前K个元素的最大值
        for(int i = k;i < nums.size();i++){
            que.pop(nums[i - k]);//滑动窗口移除最前面的元素
            que.push(nums[i]);//滑动窗口加入最后面的元素
            result.push_back(que.front());//记录对应的最大值
        }
        return result;
        
    }
};

347.前 K 个高频元素

链接: 347.前 K 个高频元素
思路：（优先级队列）大顶堆还是小顶堆

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，扫描所有频率的数值
        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，所以倒叙来输出到数组
        vector<int> result(k);
        for(int i = k - 1;i >= 0;i--){
            result[i] = pri_que.top().first;
            pri_que.pop();
        }
        return result;
        

    }
};

总结