DAY13 栈与队列3

239. 滑动窗口最大值 (难)--单调队列

题目链接：239. 滑动窗口最大值 - 力扣（LeetCode） ——难度：困难

我的思路：虽然这道题目标记的是“困难”，但是不知道为什么我感觉蛮简单的，就是每次从数组中取出连续的3个就行了。不论是用数组下标的方式，还说用进队列出队列的方式，我觉得都很简单——》也就是暴力方法，遍历一遍的过程中每次从窗口中再找到最大的数值——》但是这样很明显是O(n × k)的算法。

这样的思路没有问题，但是卡子哥追求的是线性时间复杂度内解决此题

卡子哥：

（1）引入

暴力方法，遍历一遍的过程中每次从窗口中再找到最大的数值，这样很明显是O(n × k)的算法。

有的同学可能会想用一个大顶堆（优先级队列）来存放这个窗口里的k个数字，这样就可以知道最大的最大值是多少了， 但是问题是这个窗口是移动的，而大顶堆每次只能弹出最大值，我们无法移除其他数值，这样就造成大顶堆维护的不是滑动窗口里面的数值了。所以不能用大顶堆。

此时我们需要一个队列，这个队列呢，放进去窗口里的元素，然后随着窗口的移动，队列也一进一出，每次移动之后，队列告诉我们里面的最大值是什么。

这个队列应该长这个样子：

 class MyQueue {
 public:
     void pop(int value) {
     }
     void push(int value) {
     }
     int front() {
         return que.front();
     }
 };

每次窗口移动的时候，调用que.pop(滑动窗口中移除元素的数值)，que.push(滑动窗口添加元素的数值)，然后que.front()就返回我们要的最大值。

这么个队列香不香，要是有现成的这种数据结构是不是更香了！

可惜了，没有！ 我们需要自己实现这么个队列（难点1）。

然后再分析一下，队列里的元素一定是要排序的，而且要最大值放在出队口，要不然怎么知道最大值呢（难点2）。

但如果把窗口里的元素都放进队列里，窗口移动的时候，队列需要弹出元素。

那么问题来了，已经排序之后的队列 怎么能把窗口要移除的元素（因为要弹出的元素可不一定是最大值）弹出呢？（难点3）

大家此时应该陷入深思.....

---

其实队列没有必要维护窗口里的所有元素，只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的。

那么这个维护元素单调递减的队列就叫做单调队列，即单调递减或单调递增的队列。C++中没有直接支持单调队列，需要我们自己来实现一个单调队列

不要以为实现的单调队列就是 对窗口里面的数进行排序，如果排序的话，那和优先级队列（这个可以自己搜搜）又有什么区别了呢。

来看一下单调队列如何维护队列里的元素。

动画如下：

 

对于窗口里的元素{2, 3, 5, 1 ,4}，单调队列里只维护{5, 4} 就够了，保持单调队列里单调递减，此时队列出口元素就是窗口里最大元素——》也就是5是目前最大元素，4是继5离开队列后最有可能成为最大值的元素（4还需要和新入队列的元素进行大小比较），所以只用维持这两个元素就行。

此时大家应该怀疑单调队列里维护着{5, 4} 怎么配合窗口进行滑动呢？

设计单调队列的时候，pop，和push操作要保持如下规则：

1. pop(value)：如果窗口移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作

2. push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元素的数值为止 ——》总的来说，push的时候会把单调队列中小于value的值都弹出——》这条规则可以保证单调队列的队头元素永远是最大元素

保持如上规则，每次窗口移动的时候，只要问que.front()就可以返回当前窗口的最大值。

那么我们用什么数据结构来实现这个单调队列呢？

使用deque（双端队列）最为合适，在文章栈与队列：来看看栈和队列不为人知的一面 (opens new window)中，我们就提到了常用的queue（队列）在没有指定容器的情况下，deque就是默认底层容器。

基于刚刚说过的单调队列pop和push的规则，代码不难实现，如下：

 /*这个代码的队列将队列的back视作入口，front视作出口*/
 class MyQueue { //单调队列（从大到小）
 public:
     deque<int> que; // 使用deque来实现单调队列
     // 每次弹出的时候，比较当前要弹出的数值是否等于队列出口元素的数值，如果相等则弹出。同时pop之前判断队列当前是否为空。
     void pop(int value) 
     {
         if (!que.empty() && value == que.front()) 
         {
             que.pop_front();
         }
     }
     // 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。
     // 这样就保持了队列里的数值是单调从大到小的了。
     void push(int value) {
         while (!que.empty() && value > que.back()) {
             que.pop_back();
         }
         que.push_back(value);
 ​
     }
     // 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
     int front() {
         return que.front();
     }
 };

这样我们就用deque实现了一个单调队列，接下来解决滑动窗口最大值的问题就很简单了，直接看代码吧。

C++代码如下：

 class Solution {
 private:
     //定义单调队列（从大到小）
     class MyQueue { 
     public:
         deque<int> que; // 使用deque来实现单调队列
         // 每次弹出的时候，比较当前要弹出的数值是否等于队列出口元素的数值，如果相等则弹出。
         // 同时pop之前判断队列当前是否为空。
         void pop(int value) {
             if (!que.empty() && value == que.front()) {
                 que.pop_front();
             }
         }
         // 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。
         // 这样就保持了队列里的数值是单调从大到小的了。
         void push(int value) {
             while (!que.empty() && value > que.back()) {
                 que.pop_back();
             }
             que.push_back(value);
 ​
         }
         // 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
         int front() {
             return que.front();
         }
     };
 public:
     vector<int> maxSlidingWindow(vector<int>& nums, int k) {
         MyQueue que;
         vector<int> result;//结果集数组---记录每个滑动窗口中的最大值
         //对que队列进行初始化——》先将前k个元素放进队列
         for (int i = 0; i < k; i++) { 
             que.push(nums[i]);
         }
         result.push_back(que.front()); // result 记录前k的元素的最大值
         for (int i = k; i < nums.size(); i++) 
         {
             que.pop(nums[i - k]); // 滑动窗口移除最前面元素
             que.push(nums[i]); // 滑动窗口前加入最后面的元素——》此时从队列末尾开始小于nums[i]的值都会移出队列
             result.push_back(que.front()); // 记录对应的最大值
         }
         return result;
     }
 };

• 时间复杂度: O(n)

• 空间复杂度: O(k)

再来看一下时间复杂度，使用单调队列的时间复杂度是 O(n)。

有的同学可能想了，在队列中 push元素的过程中，还有pop操作呢，感觉不是纯粹的O(n)。

其实，大家可以自己观察一下单调队列的实现，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)。

空间复杂度因为我们定义一个辅助队列，所以是O(k)

单调队列

大家貌似对单调队列 都有一些疑惑，首先要明确的是，题解中单调队列里的pop和push接口，仅适用于本题。单调队列不是一成不变的，而是不同场景不同写法，总之要保证队列里单调递减或递增的原则，所以叫做单调队列。 不要以为本题中的单调队列实现就是固定的写法哈。

大家貌似对deque也有一些疑惑，C++中deque是stack和queue默认的底层实现容器（这个我们之前已经讲过啦），deque是可以两边扩展的，而且deque里元素并不是严格的连续分布的。

347.前 K 个高频元素 (难)--优先级队列

题目链接：347. 前 K 个高频元素 - 力扣（LeetCode）

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。

我的思路：我也知道要先统计每个元素的出现频率，然后对频率排序找到前K个高频元素——》但是我没有任何实现方式

卡子哥思路：

这道题目主要涉及到如下三块内容：

1. 要统计元素出现频率

2. 对频率排序

3. 找出前K个高频元素

（1）首先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——因为需要用到键值对。

（2）然后是对频率进行排序，这里我们可以使用一种 容器适配器就是优先级队列。

什么是优先级队列呢？

优先级队列其实就是一个披着队列外衣的堆：

• 因为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。

那么它是如何有序排列的呢？

缺省情况下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）。

什么是堆呢？

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。

所以大家经常说的大顶堆（堆头是最大元素），小顶堆（堆头是最小元素），如果懒得自己实现的话，就直接用priority_queue（优先级队列）就可以了，底层实现都是一样的，从小到大排就是小顶堆，从大到小排就是大顶堆。

本题我们就要使用优先级队列来对部分频率进行排序。

为什么不用快排呢， 使用快排要将map转换为vector的结构，然后对整个数组进行排序， 而这种场景下，我们其实只需要维护k个有序的序列就可以了，所以使用优先级队列是最优的。

此时要思考一下，是使用小顶堆呢，还是大顶堆？

有的同学一想，题目要求前 K 个高频元素，那么果断用大顶堆啊。

那么问题来了，定义一个大小为k的大顶堆，在每次移动更新大顶堆的时候，每次弹出都把最大的元素弹出去了，那么怎么保留下来前K个高频元素呢。

而且使用大顶堆就要把所有元素都进行排序，那能不能只排序k个元素呢？

所以我们要用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。（重点、难点）

寻找前k个最大元素流程如图所示：（图中的频率只有三个，所以正好构成一个大小为3的小顶堆，如果频率更多一些，则用这个小顶堆进行扫描）

我们来看一下C++代码：

 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——key是nums数组中的元素值，value是这个元素值出现的次数
         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
         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)

我的缺点：我连优先级队列有内置的类都不知道！！！

总结

上面2道队列相关的题目，最大的难点就是找到“单调队列”和“优先级队列”这两种数据结构来解决两个题目中大小为k的窗口的问题。

我们用栈实现队列，用队列实现栈来掌握的栈与队列的基本操作。

接着，通过括号匹配问题、字符串去重问题、逆波兰表达式问题来系统讲解了栈在系统中的应用，以及使用技巧。

通过求滑动窗口最大值，以及前K个高频元素介绍了两种队列：单调队列和优先级队列，这是特殊场景解决问题的利器，是一定要掌握的。

小知识：

栈里面的元素在内存中是连续分布的么？

这个问题有两个陷阱：

• 陷阱1：栈是容器适配器，底层容器使用不同的容器，导致栈内数据在内存中是不是连续分布。

• 陷阱2：缺省情况下，默认底层容器是deque，那么deque的在内存中的数据分布是什么样的呢？ 答案是：不连续的，下文也会提到deque