Day13|Leetcode 239. 滑动窗口最大值 Leetcode 347. 前 K 个高频元素

刚考完试，休息了一天，一天写两天的东西，好累

Leetcode 239 滑动窗口最大值

题目链接 239 滑动窗口最大值

本题目其实用暴力的方法还是比较好想的，但是由于有限定时间，所以就可以用数据结构——队列，因为我们要取到最大值，所以我们要用单调队列：

这个题目难想的点就是怎么维护最大值：我们要维护最大值就要将最大值放到队列的出口，这样我们方便取最大值，既然要放到队列出口，我们就要保证队列中的元素单调递减才行，所以这里运用到了单调队列，最关键的两点：第一，我们需要在对队列输入元素时，将即将要进入的元素和前面的元素做对比，如果比前面的元素大就需要将前面的元素一个一个弹出，反之就不弹出，就直接将该元素直接输入队列中，第二就是在滑动到下一个区间时，如果最大值（队列front的值）如果和即将脱离区间的元素一样的话，就要将队列中的front元素弹出，重新第一步的操作，还要强调一点，需要将最大值都用vector储存一下。

整体就是这个思路，下面就是上代码：

class Solution {
    private:
    class MyQueue{
    public:
    deque<int> que;
    //与即将脱离窗口区间的值相等就弹出//更新区间元素
    void pop(int val){
        if(!que.empty()&&val == que.front()){
            que.pop_front();
        }
    }
    //输入元素，并且我们原则是保留尽可能大的值，按照单调递减排序
    // 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的数值为止。
    void push(int val){
         while(!que.empty()&&val > que.back()){
             que.pop_back();
         }
         que.push_back(val);
    }
    //取最大值，保留最大值
    int front(){
        return que.front();
    }
};
public:

    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
            MyQueue que;//调用
            vector<int> result;//定义数组储存最大值
            for(int i=0;i<k;i++){//先把区间内的第一批元素输入
                que.push(nums[i]);
            }
            result.push_back(que.front());//去最大值
            for(int i=k;i<nums.size();i++){//不停的更新区间
                que.pop(nums[i-k]);//弹出元素 滑动窗口移除最前面元素
                que.push(nums[i]);//输入元素 滑动窗口前加入最后面的元素

                result.push_back(que.front());//取最大值
    
            }
            return result;
    }

};

Leetcode 347. 前 K 个高频元素

题目链接 347 前 K 个高频元素

本题目可以用的方法有很多，其实最简单的就是sort排序，可是时间复杂度不合适，我们学习一种新的方法，优先级队列，首先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。而且优先级队列内部元素是自动依照元素的权值排列。在缺省状态下（即系统默认状态）priority_queue利用max-heap（大顶堆）完成对元素的排序，这个大顶堆是以vector为表现形式的complete binary tree（完全二叉树）。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。在这之前，我们需要统计元素出现的频率，这一类的问题可以使用map来进行统计。（前面讲过哈希中的map），然后对频率进行排序就用优先级队列，还有一个问题就是是用大顶堆还是小顶堆，假设我们用大顶堆（二叉树结构）我们每次更新时，都把树根弹出去（即最高），所以留下的都是小元素，所以我们要用小顶堆来解决这个问题：

class Solution {
public:
class mycomparison{
    public:
//这里就是小顶堆
    bool operator()(const pair<int,int>& lhs,const pair<int,int>& rhs ){//定义在优先队列中的排序函数
    return lhs.second > rhs.second;
 }
};

    vector<int> topKFrequent(vector<int>& nums, int k) {
        //运用map对元素出现频率进行一个统计
            unordered_map<int,int> map;
            for(int i=0;i<nums.size();i++){
                map[nums[i]]++;
            }
            //定义优先队列（利用小顶堆）
            priority_queue<pair<int,int>,vector<pair<int,int>>,mycomparison> pri_que;

            for(unordered_map<int,int>::iterator it = map.begin();it!=map.end();it++){//对map中的所有元素进行遍历
                pri_que.push(*it);//对优先队列进行输入元素
                if(pri_que.size()>k){//如果大于k的部分，就弹出范围内中的最小值
                    pri_que.pop();
                }
            }
            //倒序回来，存储到result中
            vector<int> result(k);
            for(int i=k-1;i>=0;i--){
              result[i] = pri_que.top().first;
                pri_que.pop();//删除队列开头元素，释放内存
            }
            return result;
    }

};

end