本文主要是介绍算法打卡 Day13(栈与队列)-滑动窗口最大值 + 前 K 个高频元素 + 总结,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文章目录
- Leetcode 239-滑动窗口最大值
- 题目描述
- 解题思路
- Leetcode 347-前 K 个高频元素
- 题目描述
- 解题思路
- 栈与队列总结
Leetcode 239-滑动窗口最大值
题目描述
https://leetcode.cn/problems/sliding-window-maximum/description/
解题思路
在本题中我们使用自定义的单调队列来实现:
pop: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,否则不进行任何操作
push: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 元素的数值小于队列入口元素的数值为止
返回当前窗口的最大值:调用 que.front()
class Solution {
private:class MyQueue {public:deque<int> que; //使用deque实现单调队列void pop(int value) {if (!que.empty() && value == que.front()) {que.pop_front();}}void push(int value) {while (!que.empty() && value > que.back()) {que.pop_back();}que.push_back(value);}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++) {que.push(nums[i]);}result.push_back(que.front());for (int i = k; i < nums.size(); i++) {que.pop(nums[i - k]);que.push(nums[i]);result.push_back(que.front());}return result;}
};
Leetcode 347-前 K 个高频元素
题目描述
https://leetcode.cn/problems/top-k-frequent-elements/description/
解题思路
这道题目需要解决三个部分的问题:
1. 统计元素的出现频率:
我们可以使用 unordered_map 来解决,其中 key 表示元素的值,value 表示值出现的次数
2. 对频率进行排序:
使用优先级队列,其是一个披着队列外衣的堆。优先级队列对外接口是从队头取元素,从队尾添加元素,其内部的元素自动依照元素的权值排列。优先级队列缺省情况下 priority_queue 利用 max-heap 大顶堆完成对元素的排列,大顶堆是以 vector 为表现形式的完全二叉树。
堆是完全二叉树,树中的每个结点都不小于(或不大于)其左右孩子的值。父亲结点大于等于左右孩子的是大顶堆,小于等于左右孩子的是小顶堆。
选用优先级队列而不是快排:我们只需要报告前 K 个高频元素而不是全部元素,因此只需要维护 K 个有序序列即可,当 n 非常大时,这样的方法可以降低时间复杂度。
使用小顶堆而不是大顶堆:因为要统计最大前 K 个元素,如果选用大顶堆会将最大的元素弹出不符合要求,而使用小顶堆可以每次将最小的元素弹出,最后小顶堆中积累的才是前 K 个最大元素。
3. 找出前 K 个高频元素
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) {//统计元素出现的频率unordered_map<int, int>map;for (int i = 0; i < nums.size(); i++) {map[nums[i]]++;}//根据频率进行排序//定义一个小顶堆,大小为kpriority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;//用固定大小为k的小顶堆,扫描所有频率的数值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k,则从队列弹出pri_que.pop();}}//找出前k个高频元素,小顶堆先弹出最小的,所以使用倒序输出数组vector<int> result(k);for (int i = k - 1; i >= 0; i--) {result[i] = pri_que.top().first;pri_que.pop();}return result;}};
栈与队列总结
栈和队列是容器适配器,底层容器使用不同的容器,那么栈内数据在内存中的分布就不一定连续。
在缺省状况下,栈和队列的默认底层容器时 deque,其内存分布不连续。
递归的实现是栈:每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中,然后递归返回的时候,从栈顶弹出上一次递归的各项参数,所以这就是递归为什么可以返回上一层位置的原因。
这篇关于算法打卡 Day13(栈与队列)-滑动窗口最大值 + 前 K 个高频元素 + 总结的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!