一枚菜鸟的leetcode刷题笔记 - Day12

146 - LRU 缓存机制

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。

实现 LRUCache 类：

• LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
• int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1。
• void put(int key, int value) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。

进阶：你是否可以在 O(1) 时间复杂度内完成这两种操作？

class LRUCache:

    def __init__(self, capacity: int):
        self.capacity = capacity
        self.LRUdict = {}   #用于存储key-value对，但无顺序
        self.LRUkey = []    #用于存储key，有顺序

    def get(self, key: int) -> int:
        if key in self.LRUdict:
            #每次调用要把被调用的key移到最前
            self.LRUkey.remove(key)
            self.LRUkey.append(key)
            return self.LRUdict[key]
        return -1

    def put(self, key: int, value: int) -> None:
        if key in self.LRUdict:
            self.LRUkey.remove(key)
            self.LRUdict.pop(key)
        elif len(self.LRUkey) == self.capacity:
            self.LRUdict.pop(self.LRUkey[0])    #必须先弹出字典的key-value对，再弹出列表里的key值
            self.LRUkey.pop(0)
        self.LRUkey.append(key)
        self.LRUdict[key] = value

# Your LRUCache object will be instantiated and called as such:
# obj = LRUCache(capacity)
# param_1 = obj.get(key)
# obj.put(key,value)

LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当须淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最少使用的页面予以淘汰。 ——from LRU缓存机制（包含流程图分析以及各操作的解析详解）

本解法完全参考了146 LRU缓存机制

利用python字典 + 列表的方式，字典用于存储key-value对，但没有顺序，因此需要一个列表用于记录顺序。
对于get函数，不止要返回字典的value，还要把get到的key的顺序调整到最前。

python字典的pop方法：
pop(key[,default])

• key: 要删除的键值
• default: 如果没有 key，返回 default 值
  返回被删除的值。

148 - 排序链表

class Solution:
    def sortList(self, head: ListNode) -> ListNode:
        def sort(head, tail):
            if not head:
                return head
            elif head.next == tail:
                head.next = None
                return head
            fast, slow = head, head
            while fast != tail:
                fast, slow = fast.next, slow.next
                if fast != tail:
                    fast = fast.next
            mid = slow
            return merge(sort(head, mid), sort(mid, tail))

        def merge(head1, head2):
            dummyHead = ListNode()
            temp, temp1, temp2 = dummyHead, head1, head2
            while temp1 and temp2:
                if temp1.val < temp2.val:
                    temp.next = temp1
                    temp, temp1 = temp.next, temp1.next
                else:
                    temp.next = temp2
                    temp, temp2 = temp.next, temp2.next
            if temp1:
                temp.next = temp1
            else:
                temp.next = temp2
            return dummyHead.next

        return sort(head, None)

这道题目综合了快慢指针二分链表 & 合并两个排序链表。

参考官方解答 & 「手画图解」归并排序 | 148 排序链表

716 - 最大栈

设计一个最大栈数据结构，既支持栈操作，又支持查找栈中最大元素。

实现 MaxStack 类：

• MaxStack() 初始化栈对象
• void push(int x) 将元素 x 压入栈中。
• int pop() 移除栈顶元素并返回这个元素。
• int top() 返回栈顶元素，无需移除。
• int peekMax() 检索并返回栈中最大元素，无需移除。
• int popMax() 检索并返回栈中最大元素，并将其移除。如果有多个最大元素，只要移除最靠近栈顶的那个

底层为链表

class linkedNode:
    def __init__(self,x):
        self.val = x
        self.next = None


class basicStack:
    def __init__(self,z):
        self.head = linkedNode(z)
    
    def basicpush(self, y):
        nownode = linkedNode(y)
        if not self.head.next:
            self.head.next = nownode
        else:
            nownode.next = self.head.next
            self.head.next = nownode
    
    def basicpop(self):
        if not self.head.next:
            print('The Stack is Empty')
        else:
            tmp = self.head.next.val
            self.head.next = self.head.next.next
            return tmp
    
    def basictop(self):
        if not self.head.next:
            print('The Stack is Empty')
            return self.head.val
        else:
            return self.head.next.val


class MaxStack:
    def __init__(self):
        """
        initialize your data structure here.
        """
        self.item = basicStack(None)
        self.maxvalue = basicStack(float('-inf'))

    def push(self, x: int) -> None:
        self.item.basicpush(x)
        if x >= self.maxvalue.basictop():
            self.maxvalue.basicpush(x)

    def pop(self) -> int:
        if self.item.basictop() == self.maxvalue.basictop():
            self.maxvalue.basicpop()
        return self.item.basicpop()

    def top(self) -> int:
        return self.item.basictop()

    def peekMax(self) -> int:
        return self.maxvalue.basictop()

    def popMax(self) -> int:
        poplist = []
        nowmax = self.maxvalue.basicpop()
        while self.item.head.next:
            popvalue = self.item.basicpop()
            if popvalue == nowmax:
                break
            poplist.append(popvalue)
        while poplist:
            self.push(poplist.pop())    
        return nowmax

这一题其实是上面一题的升级版：多了一个弹出最大值的操作。弹出最大值破坏了max栈的结构，因为对于[5,1]这种栈，弹出5后，max栈没有值了。本解法底层用了链表来表示栈，如果在链表层面通过操作链表节点的val和next很难写。寻找最大值时，最好在栈的层面操作，分两个步骤：

1. 逐次弹出栈顶元素，并用列表记录弹出的元素，直到弹出的元素值=当前max栈维护的最大值（max栈的最大值也需要弹出）
2. 在按照顺序把列表中的元素压入栈，直接调用栈自身的push方法，因为该方法同时维护了max栈

底层为数组

class MaxStack:
    def __init__(self):
        """
        initialize your data structure here.
        """
        self.item = []
        self.maxval = [float('-inf')]

    def push(self, x: int) -> None:
        self.item.append(x)
        if x >= self.maxval[-1]:
            self.maxval.append(x)

    def pop(self) -> int:
        popval = self.item.pop()
        if popval == self.maxval[-1]:
            self.maxval.pop()
        return popval

    def top(self) -> int:
        return self.item[-1]

    def peekMax(self) -> int:
        return self.maxval[-1]

    def popMax(self) -> int:
        curmax = self.maxval.pop()
        poplist = []
        while self.item:
            popvalue = self.item.pop()
            if popvalue == curmax:
                break
            poplist.append(popvalue)
        while poplist:
            self.push(poplist.pop())
        return curmax

以后遇到栈相关的问题还是用数组来写，比链表舒服多了，还更快。