day13 || 优先级队列 ，单调队列

239.滑动窗口最大值

题目

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 。

示例 1：

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3
输出：[3,3,5,5,6,7]
解释：
滑动窗口的位置 最大值

---

[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
示例 2：

输入：nums = [1], k = 1
输出：[1]

题解

主要是要想到 单调队列【单调栈和单调队列的概念和用处要搞清楚】

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。C++中没有直接支持单调队列，需要我们自己来一个单调队列

class Solution {
private:
      class MyQueue{
          //我们用deque来实现一个单调队列[维持进入的元素都是单调递减]
    public:
          deque<int> deq;

        void push(int value){
            //当队列为空时，直接插入，
           while(!deq.empty() && value > deq.back()){
                deq.pop_back();
           } 
           deq.push_back(value);
        }
            
         void pop(int value){
            if(!deq.empty() && value == deq.front()){
               deq.pop_front();
            }
            
         }
         
         int front(){
               return deq.front();
         }
      };
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
           MyQueue myque;
            vector<int> result;
            //放入前k个元素
            for(int i = 0;i < k;i++){
                    myque.push(nums[i]);
            }
            result.push_back(myque.front());
            //对于后面的每一个窗口，我们移除前一个元素，增加最后一个元素，来保持窗口的移动和队列的输入
            for(int i = k ;i < nums.size();i++){
                myque.pop(nums[i - k]);
                myque.push(nums[i]);
                result.push_back(myque.front());
            }


            return result;
    }
};

347.前K个高频元素

题目

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。

示例 1:

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]
示例 2:

输入: nums = [1], k = 1
输出: [1]

题解

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) {
         //首先对元素出现的次数进行统计
         unordered_map<int,int> count;
         for(int i = 0;i < nums.size();i++){
             count[nums[i]] ++;
         }

         //定义一个小顶堆【大小为k】
       priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;

        for (unordered_map<int, int>::iterator it = count.begin(); it != count.end(); it++) {
            pri_que.push(*it);
            if (pri_que.size() > k) { // 如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k
                pri_que.pop();
            }

    }

   vector<int> result(k);
   //倒序输出数组【因为小根堆 堆顶的元素是最小的】
      for (int i = k - 1; i >= 0; i--) {
            result[i] = pri_que.top().first;
            pri_que.pop();
        }
 
        return result;
    }
};