239. 滑动窗口最大值
题目链接:https://leetcode.cn/problems/sliding-window-maximum/
题目要求:
给定一个数组 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。
进阶:
你能在线性时间复杂度内解决此题吗?
![](https://img-blog.csdnimg.cn/img_convert/a1aad261d23924d952d1a3b5314e35c3.png)
提示:
1 <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4
1 <= k <= nums.length
总结:本题非常巧妙,定义一个单调递减的队列,要保证进来的元素,始终队头是最大的一个元素,我们不需要记录滑动窗口里每个值,每个大值前面的小数不需要记录,每次入队,队尾元素小于进队元素,就弄出,不记录,当队列中队头的元素从滑动窗口中出来的时候才需要弹出,不记录的小元素从窗口出来时,因为没有记录所以也没事。第一轮大概了解即可,仔细看代码即可看懂。
//自己定义一个单调递减队列,保证每次队列头为当前滑动窗口最大元素
class MyQueue{
Deque<Integer> deq = new LinkedList<>();
void poll(int val){
//如果弹出值为目前单调递减序列中的最大值,说明该最大值已经出滑动窗口需要弹出
if(!deq.isEmpty() && val == deq.peek()){
deq.poll();
}
}
void add(int val){
//如果进窗口的新元素比他前面一个的大,则小的不用维护,直接弹出,保证队列peek永远为当前窗口最大值
while(!deq.isEmpty() && val > deq.getLast()){
deq.removeLast();
}
deq.add(val);
}
int peek(){
return deq.peek();
}
}
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(nums.length == 1){
return nums;
}
int len = nums.length - k + 1;
//创建一个结果数组
int[] res = new int[len];
int num = 0;
//自定义队列
MyQueue myqueue = new MyQueue();
//先将第一个窗口所有元素入队
for(int i = 0;i < k;i++){
myqueue.add(nums[i]);
}
//此时队列的第一个元素即为第一个窗口的最大值,需要给到结果数组中去
res[num++] = myqueue.peek();
//滑动窗口依次向后移动
for(int i = k;i < nums.length;i++){
//需要先弹出窗口最前面的元素,再将新加入窗口元素入队
//这里实际最大值前面的小值,早就弹出过了,不在单调递减队列中,只需要看当前弹出的元素是否为当前窗口的最大值,也就是队列的peek,如果是,则真的要弹出了
myqueue.poll(nums[i - k]);
myqueue.add(nums[i]);
//此时是新的窗口,弹出元素又加入元素了,确定了新窗口的新的最大值
res[num++] = myqueue.peek();
}
return res;
}
}
347.前 K 个高频元素
题目链接:https://leetcode.cn/problems/top-k-frequent-elements/
题目要求:
给定一个非空的整数数组,返回其中出现频率前 k 高的元素。
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]
提示:
你可以假设给定的 k 总是合理的,且 1 ≤ k ≤ 数组中不相同的元素的个数。
你的算法的时间复杂度必须优于 $O(n \log n)$ , n 是数组的大小。
题目数据保证答案唯一,换句话说,数组中前 k 个高频元素的集合是唯一的。
你可以按任意顺序返回答案。
总结:因为要返回频率最高的元素,本题首先想到用map数据结构,key存元素值,value存出现次数,但是还需要排序,选出value值最高的元素,故想到小根堆,nlogk复杂度,适合集合n很多的时候选出很少的最大的k个元素时的情况,优于nlogn,一刷熟悉即可,仔细阅读代码细细体会。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
//定义一个哈希表,key为元素值,value为元素出现个数
Map<Integer,Integer> map = new HashMap<>();
for(int num : nums){
//该方法如果哈希表中有该值的key,则返回value,无则返回第二个参数,自己设置的值
map.put(num,map.getOrDefault(num,0) + 1);
}
//优先队列存储二元组(num,cnt)cnt表示num数值出现的次数
//要得出最大的前k个元素,则需要使用小根堆,小根堆的根的值是小于两边叉的值,根值最小,最先弹出,故最后剩下的就为最大的,而且顺序是从小到大的。
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2) -> pair1[1] - pair2[1]);
//将存储在map中的每个值以及出现的次数,根据次数用小根堆来选出次数最多的几个值
//entryset为列出map中每个键值对的值
for(Map.Entry<Integer,Integer> entry : map.entrySet()){
if(pq.size() < k){ //如果小根堆还不够k个,则直接加
pq.add(new int[]{entry.getKey(),entry.getValue()});
}else{
if(entry.getValue() > pq.peek()[1]){
//如果新加入元素次数大与小根堆根元素次数,弹出根元素
pq.poll();
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
}
}
//遍历结束,得出最终小根堆,根元素为k个元素里出现次数最少的
int[] res = new int[k];
for(int i = k-1;i >= 0;i--){
res[i] = pq.poll()[0];
}
return res;
}
}