1.滑动窗口最大值
题目链接/文章讲解/视频讲解: 代码随想录
代码:
class Solution {
private:
// 创建一个自己的单调队列
class MyQueue{
public: // 这里要设置可见范围为public,不然下面的函数不能用
deque<int> que; // queue在没有指定容器的情况下,deque就是默认底层容器
// 当加入元素时,保证单调队列是单调递减的
// 我们只需要去维护可能成为最大值的元素就行了
// 每次加入新的元素时,就让它把它前面比它小的元素都挤走
void push(int value){
while(!que.empty() && que.back() < value){
que.pop_back();
}
que.push_back(value);
}
// 为了保证最前面的元素是最大值,我们已经提前舍弃了一些值。
// 所以只有当最大值需要弹出时,再弹(因为其它元素早就被舍弃了)
void pop(int value){
if(!que.empty() && que.front() == value){
que.pop_front();
}
}
int front(){
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
// 初始化
for(int i = 0; i < k;i++){
que.push(nums[i]);
}
result.push_back(que.front());
// 模拟滑动窗口的过程
for(int i = k; i < nums.size();i++){
que.pop(nums[i - k]);
que.push(nums[i]);
result.push_back(que.front());
}
return result;
}
};
思路:
本题的难点应该是选取合适的数据结构来模拟滑动窗口的过程。
选取的数据结构要满足两个要求:让要弹出的元素在队首,方便弹出;可以在每次滑动过程中,自动求出最大值。
所以,为了实现上述要求,我们就要舍弃那些不会成为最大值的元素(随着窗口的移动,它们本来也会被舍弃),即每次压入元素时,挤走那些比它大的元素,在弹出元素时,还要在正确的条件下进行弹出操作。
我们选用了自己写一个满足要求的单调队列。
状态:
对deque这种容器不熟悉,以及在写单调队列数据结构时,自己没有加public,导致我下面的函数都不能调用。
2.前k个高频元素
题目链接/文章讲解/视频讲解: 代码随想录
代码:
class Solution {
public:
class mycomparision{
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) {
unordered_map<int,int> map; // nums[i],对应出现的次数
for(int i = 0;i < nums.size(); i++){
map[nums[i]]++;
}
// 定义一个大小为k的小顶堆
priority_queue<pair<int,int>,vector<pair<int,int>>,mycomparision> pri_que;
for(unordered_map<int,int>::iterator it = map.begin(); it !=map.end();it++){
pri_que.push(*it);
if(pri_que.size() > k){
pri_que.pop();
}
}
vector<int> result(k);
for(int i = k - 1; i >= 0;i--){
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
思路:
求前k个高频元素,首先,我们得知道各元素出现的频率,想到用unordered_map来统计出现次数。
接着,要求前k个频率大的。为了降低时间复杂度,即我们不需要管前k个元素以外的元素的排序,就用到了“小顶堆”(因为每次弹出的都是优先值最大的结点,所以我们要把前k大的元素留到最后,用小顶堆)。
定义一个小顶堆,首先要给出要存的数据类型,存储所用的数据结构,以及规定优先级按什么规则。
用这个小顶堆去扫一遍map,并让它在size超过k的时候及时弹出元素。
最后,要倒序把小顶堆的元素取出,放到数组里返回。
状态:
知道思路,但是小顶堆实现起来太麻烦了。。。。