一、239. 滑动窗口最大值
题目链接/文章讲解/视频讲解:239.滑动窗口最大值
思考:一刷简单理解思路
代码实现:
class Solution {
public:
class MyQueue
{
public:
deque<int> que;
void pop(int value)
{
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
void push(int value)
{
while(!que.empty() && value > que.back())
{
que.pop_back();
}
que.push_back(value);
}
int front()
{
return que.front();
}
};
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for(int i = 0;i < k;i++) // 先将前k的元素放进队列
{
que.push(nums[i]);
}
result.push_back(que.front());
for(int i = k;i < nums.size();i++)
{
que.pop(nums[i-k]); //移除最前面元素
que.push(nums[i]); //加入最后面的元素
result.push_back(que.front());
}
return result;
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(k)
nums 中的每个元素最多也就被 push_back 和 pop_back 各一次,没有任何多余操作,所以整体的复杂度还是 O(n)
二、347.前 K 个高频元素
题目链接/文章讲解/视频讲解:347.前 K 个高频元素
思考:大顶堆、小顶堆特别适合在一个大的集合里面求前k个高频或者低频的结果,现成的优先级队列底层就是堆,并且可以定义为大、小顶堆.
代码实现:
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
//第三个函数是一种自定义的比较方法,可以用greater()实现,大顶堆默认用less实现
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
// 用固定大小为k的小顶堆,扫面所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > k) { // 如果堆的大小大于了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,所以倒序来输出到数组
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
- 时间复杂度:O(nlogk)
- 空间复杂度:O(n)