队列|239. 滑动窗口最大值、347.前 K 个高频元素
239. 滑动窗口最大值
自己审题思路
最开始的思路是暴力算法，每次都需要sort一下，时间复杂度并不美丽。
看完代码随想录题解后的收获
维护一个队列，队列头是最大值，并在相应时间弹出。
代码：
class Myque {
public:
deque<int> que; //双端队列
void push(int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(value);
}
void pop() {
que.pop_front();
}
int front() {
return que.front();
}
};
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> ans;
Myque que;
// 先放k个进队列
for (int i = 0; i < k; i++) {
que.push(nums[i]);
}
ans.push_back(que.front());
for (int i = k; i < nums.size(); i++) {
// 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。
if (que.front() == nums[i - k] ) {
que.pop();
}
que.push(nums[i]);
ans.push_back(que.front());
}
return ans;
}
};
代码（详细注释版）
class Solution {
private:
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();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
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
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
参考详解
347.前 K 个高频元素
自己审题思路
这道题没有思路
看完代码随想录题解后的收获
1、 前k个元素的问题优先想到大顶堆(最小k个)和小顶堆(最大k个)
2、学习了优先队列和大顶堆与小顶堆的构造方法
代码：
class Mycmp {
public:
bool operator() (const pair<int,int>& a, const pair<int,int>& b) const {
return a.second > b.second;
}
};
class Solution {
public:
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> map; //存储数组里的数字和出现的频率
for (int i : nums) { // key(元素) value(频率)
map[i]++;
}
// 使用小顶堆完成前k个元素存储
priority_queue<pair<int,int>, vector<pair<int,int>>, Mycmp> my_que;
for (unordered_map<int,int>::iterator it = map.begin(); it != map.end(); it++) {
my_que.push(*it); // 向优先队列中添加元素
if (my_que.size() > k) { // 优先队列中元素大于k时，pop出堆顶的元素(最小的元素，即频率最低的元素)
my_que.pop();
}
}
vector<int> result(k);
for(int i = k - 1; i >= 0; i--) { //因为数组中前k个高频元素的集合是唯一的（高频在前），所以倒序遍历优先队列
result[i] = my_que.top().first;
my_que.pop();
}
return result;
}
};
大顶堆和小顶堆都是由最后一个非叶子结点开始从下往上调整。
优先队列的定义：priority_queue<Type, Container, Functional>
其中Type代表数据类型，Container代表容器类型，缺省状态为vector; Functional是比较方式，默认采用的是大顶堆(less<>)。
因为优先级队列是从下往上调整的，所以比较方式less(<)代表从下往上递增，堆顶就是最大的，也就是大顶堆，小顶堆正好相反。
上面的代码自定义比较规则（函数对象类方式），比较的是map中的value值，也就是数组中数字出现的频率。
