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

239. Sliding Window Maximum

核心思想是建立一个单调队列，队列中元素从大到小 ，保证当前窗口的最大值在队列出口；
pop()操作：只有当要pop的value == 当前队列中的最大值，才会执行；
push()操作：弹出所有比value小的，再加入新值

from collections import deque

class MyQueue:
    def __init__(self):
        self.queue = deque()

    # 单调队列中从大到小，如果值是最大的(即出口处)，则弹出
    def pop(self, value):
        if self.queue and value == self.queue[0]:
            self.queue.popleft()
    
    # 弹出所有比value小的，再加入新值
    def push(self, value):
        while self.queue and value > self.queue[-1]:
            self.queue.pop()
        self.queue.append(value)

    # queue[0]即为队列中最大值
    def max(self):
        return self.queue[0]

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        que = MyQueue()
        res = []

        # 先将前k个元素放入队列
        for i in range(k):
            que.push(nums[i])
        # 第一个窗口的最大值
        res.append(que.max())

        for i in range(k, len(nums)):
            que.pop(nums[i - k])  #滑动窗口移除最前面元素
            que.push(nums[i])
            res.append(que.max())

        return res

---

347. Top K Frequent Elements

先统计词频，再建立一个小顶堆，建立的同时保证堆的大小为k。
Python中需要使用heapq这个第三方库。
heapq — 堆队列算法 — Python 3.11.0 文档…

import heapq    # 堆队列算法

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        # 统计元素出现频率
        map_ = {}
        for num in nums:
            if num not in map_:
                map_[num] = 1
            else:
                map_[num] += 1

        pri_que = [] #小顶堆

        for key, freq in map_.items():
            heapq.heappush(pri_que, (freq, key))
            if len(pri_que) > k:    # 保障堆的大小=k
                heapq.heappop(pri_que)

        # 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
        res = [0] * k
        for i in range(k-1, -1, -1):
            res[i] = heapq.heappop(pri_que)[1]  #[1]是key

        return res