leetcode 打卡 day13

239. 滑动窗口最大值 347.前 K 个高频元素

239. 滑动窗口最大值

1、本题如果使用暴力解法遍历会发现有些答案超出时间限制，并不能完全做对。因此，根据队列先进先出的特性，构建一个新的队列。
2、构建的队列满足以下条件：
a. pop(value)：如果窗口移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作;
b.push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元
素的数值为止;
c.保持如上规则，每次窗口移动的时候，只要问que.front()就可以返回当前窗口的最大值。

3、在maxSlidingWindow调用时，直接调用que.pop() 和 que.push() 想当于把窗口向后移动，que.front()相当于取窗口中的最大值。

from collections import deque
class MyQueue:
    def __init__(self):
        self.queue = deque()
    def pop(self, value):
        if self.queue and value == self.queue[0]:
            self.queue.popleft()

    def push(self, value):
        while self.queue and self.queue[-1] < value:
            self.queue.pop()
        self.queue.append(value)

    def front(self):
        return self.queue[0]

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        que = MyQueue()
        res = []
        for i in range(k):
            que.push(nums[i])
        res.append(que.front())
        for i in range(k, len(nums)):
            que.pop(nums[i - k])
            que.push(nums[i])
            res.append(que.front())
        return res 

347.前 K 个高频元素

1、本题用到了优先级队列：
优先级队列就是一个披着队列外衣的堆，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列。
什么是堆呢？
堆是一棵完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。
所以大家经常说的大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。
本题我们就要使用优先级队列来对部分频率进行排序。
本题要思考一下，是使用小顶堆呢，还是大顶堆？
刚开始想：题目要求前 K 个高频元素，那么果断用大顶堆啊。
那么问题来了，定义一个大小为k的大顶堆，在每次移动更新大顶堆的时候，每次弹出都把最大的元素弹出去了，那么怎么保留下来前K个高频元素呢。而且使用大顶堆就要把所有元素都进行排序，那能不能只排序k个元素呢？
所以我们要用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。

2、dict.get(key, defualt=None) : key – 字典中要查找的键; default – 如果指定键的值不存在时，返回该默认值。
返回值：返回指定键的值，如果键不在字典中返回默认值 None 或者设置的默认值。
mapping.get(nums[i], 0) ： 返回nums[i] 键对应的值， 如果键不在字典mapping中返回0。
3、heapq.heappush(heap, item)有两个位置参数: heap 和 item , heap是堆的意思, item是要被压入到heap中的对象, 如果item无法通过小于 号< 与heap中的各个元素进行比较, 那么就会报错。
4、heapq.heappop()从堆中弹出并返回最小的值

import heapq
class Solution(object):
    def topKFrequent(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        mapping = {}
        for i in range(len(nums)):
            mapping[nums[i]] = mapping.get(nums[i], 0) + 1

        pri_que = []
        for key, freq in mapping.items():
            heapq.heappush(pri_que, (freq, key))
            if len(pri_que) > k:
                heapq.heappop(pri_que)
        result = [0] * k
        # heappop()从堆中弹出并返回最小的值，所以对result列表赋值时要倒序赋值。
        for i in range(k-1, -1, -1):
            result[i] = heapq.heappop(pri_que)[1]
        return result