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。

参考详解