day13 记录代码随想录
第一题 力扣239. 滑动窗口最大值
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。
题目链接:力扣题目链接
解题思路:
一开始拿到这道题的第一想法就是使用队列来存放窗口里的元素,然后每一步右滑做三个操作,push、pop和求最大值,我一开始写了一个遍历求最大值的函数来调用实现,结果很显然,O(n^2)超时了,并且网页崩了代码还没保存,我哭死。
然后如何改进代码呢?
首先分三步肯定是没问题的,那么有问题的只有在求最大值的地方,如何优化此处的代码呢?
对于队列里的元素来说,我们看重的不是所有元素,而是只维护窗口里的最大值和可能成为最大值的元素,同时保证窗口里的元素数值是从大到小排列的,如此就能做到当需要求最大值时,从front里查找就可以了。这种维护元素单调递减的队列叫单调队列。
如何实现单调递减队列呢?
肯定不是直接对窗口里的数进行排序,否则就和优先级队列一样了。
来看一下单调队里如何维护队列里的元素:
对于窗口里的元素 2 3 5 1 4,只需要维护 5 4 即可,就能保证队列单调递减,此时队列出口元素就是最大值。
将每一个元素 s[i] 往队列 que 里比较,如果que.back() < s[i] 时(右边即尾部),需要将pop_back掉,这样才能保证 s[i] push_back 进队列以后前面的元素都大于s[i] ,即保证了队列里的元素是单调递减的。
对于其他两个操作的实现:
push,即将s[i+1] 压入队列,压入方向是back(右边),每次push(x)时,要比较que.back<x ,是的话就需要 que.pop_back() ,直到que.back>=x 为止。
pop,即将窗口最左边的元素出列,出列方向是front(左边),每次pop时,需要传入x,因为不确定需要pop的元素是否还在队列里,有可能已经在之前push的操作中移除了,只需要判断一下x==que.front() ,是的话que.pop_front(),否则不需要操作。
这样一来就模拟完了三个操作。
接下来只需要模拟s的遍历操作即可,即 入列+出列->求最大值
使用deque数据结构能很适配我们需要实现的功能。
deque称为双端队列,是一种容器。可以在两端入列和出列操作语句为:
que.push_back(); que.push_front() ; que.pop_front(); que.pop_back();
代码如下:
class Solution {
private:
class Myque { //单调队列类
public:
deque<int> que; //使用deque来实现单调队列que
void pop( int x) {
if ( !que.empty() && x == que.front() )
que.pop_front(); //只有当需要pop的数就是x时才pop
}
void push( int x ) {
while( !que.empty() && x > que.back() )
que.pop_back(); //从队列的尾部pop出比x小的数
que.push_back(x);
}
int getMax() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
Myque que;
vector<int> result;
for( int i = 0 ; i < k ; i++ ) {
que.push(nums[i]);
}
result.push_back(que.getMax());
for(int j = k; j < nums.size() ; j++ ) {
que.push(nums[j]);
que.pop(nums[j-k]);
result.push_back(que.getMax());
}
return result;
}
};
这里的时间复杂度为O(n),因为每个元素只遍历了一回。
第二题 力扣 347.前 K 个高频元素
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]
题目链接:力扣题目链接
解题思路:
本题涉及到三个要求:
- 统计元素频率
- 按频率排序
- 找出前k个高频元素
对于统计元素频率,可以使用map来实现,map在统计数据和出现次数场景下有独特的优势。
对频率排序,可以使用一种容器适配器:优先级队列priority_queue
优先级队列本质是一个堆,是一个披着队列外衣的队。因为优先级队列的接口是从队头取元素,对尾进元素,看起来就跟个队列一样。由于其堆的本质,在队列的内部,元素都是自动按元素的权值排列的。
在优先级队列内部,缺省情况下(ps:真是一个滑稽翻译,原名为default,默认情况)是利用max-heap(大顶堆)完成元素排序,大顶堆是以vector为表现形式的完全二叉树complete binary tree
什么是堆? 堆是一颗完全二叉树,每个结点的值都不小于(或者大于)其左右孩子的值,父结点大的为大顶堆,父结点小的为小顶堆。
本题使用小顶堆来做,要统计前k大元素,每次都将将最小的元素弹出,最后堆里累积的就是大元素。
代码如下:
class Solution {
public:
class compare {
public:
bool operator()(pair<int, int> num1, pair<int, int> num2) { //此处的重载运算符比较难以理解
return num1.second > num2.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int, int> map;
for(int i = 0; i < nums.size(); i++) { //统计频率
map[nums[i]]++;
}
priority_queue<pair<int, int>, vector<pair<int , int>>, compare> que;
for(auto t:map) { //for(unordered_map<int,int>::iterator t = map.begin(); t != map.end(); t++)
que.push(t);
if(que.size() > k)
que.pop();
}
vector<int> result;
for(int i = k - 1; i >= 0; i--) {
result.push_back(que.top().first);
que.pop();
}
return result;
}
};
注意优先队列的定义方式:
priority_queue<pair<int,int>,vector<pair<int,int>>, compare> que;
其中compare是自定的一个类,在本语句中代表自定义排序权重
compare定义的是一个重载运算符 bool operator()(pair<int,int> a, pair<int,int>b) { }
函数中自定义了a,b关系运算符。